概
本文提出一种distillation model, 能够免疫大部分的adversarial attacks, 具有良好的鲁棒性, 同时容易训练.
主要内容
符号 | 说明 |
---|---|
F ( ⋅ ) F(\cdot) F(⋅) | 神经网络, 且 F ( X ) = s o f t m a x ∗ ( Z ( X ) ) F(X)=\mathrm{softmax^*}(Z(X)) F(X)=softmax∗(Z(X)). |
X ∈ X X \in \mathcal{X} X∈X | 样本 |
Y Y Y | 样本对应的标签 |
F d F^d Fd | distilled network |
T T T | temperature |
注: 这里的
s
o
f
t
m
a
x
∗
(
z
)
i
:
=
e
z
i
/
T
∑
j
e
e
j
/
T
,
i
=
0
,
…
,
N
−
1
\mathrm{softmax}^*(z)_i:=\frac{e^{z_i/T}}{\sum_j e^{e_j/T}}, i= 0,\ldots, N-1
softmax∗(z)i:=∑jeej/Tezi/T,i=0,…,N−1;
注:
F
d
F^d
Fd与
F
F
F网络结构一样;
算法
Input: T T T,训练数据 ( X , Y ) (X,Y) (X,Y).
- 在训练数据 ( X , Y ) (X, Y) (X,Y)上训练得到 F F F;
- 得到新的训练数据 ( X , F ( X ) ) (X, F(X)) (X,F(X));
- 利用 ( X , F ( X ) ) (X, F(X)) (X,F(X))训练 F d F^d Fd;
- 修改 F d F^d Fd的最后一层 T = 1 T=1 T=1.
Output: F d F^d Fd.
为什么这个算法是有效的呢?
- 训练 F d F^d Fd用的标签是概率向量 F ( X ) F(X) F(X), 拿数字举例, 如果写的草一点 7 7 7和 1 1 1是很相近的, 但如果训练的标签是 ( 0 , 0 , 0 , 0 , 0 , 0 , 1 , 0 , 0 , 0 ) (0,0,0,0,0,0,1,0,0,0) (0,0,0,0,0,0,1,0,0,0)的话反而不符合实际, 会导致不稳定;
- 当
T
T
T比较大的时候(训练):
∂ F i ( X ) ∂ X j ∣ T = 1 T e z i / T g 2 ( X ) ( ∑ l = 1 N ( ∂ z i ∂ X j − ∂ z l ∂ X j ) e z l / T ) , \frac{\partial F_i(X)}{\partial X_j}|_T = \frac{1}{T}\frac{e^{z_i / T}}{g^2(X)}\big( \sum_{l=1^N}(\frac{\partial z_i}{\partial X_j}-\frac{\partial z_l}{\partial X_j})e^{z_l /T}\big), ∂Xj∂Fi(X)∣T=T1g2(X)ezi/T(l=1N∑(∂Xj∂zi−∂Xj∂zl)ezl/T),
会比较小, 其中 g ( X ) = ∑ l = 0 N − 1 e z l ( X ) / T g(X)=\sum_{l=0}^{N-1} e^{z_l(X)/T} g(X)=∑l=0N−1ezl(X)/T. - 在测试的时候, 我们令
T
=
1
T=1
T=1, 假设
X
X
X在原先情况下
z
1
/
T
z_1/T
z1/T最大,
z
2
/
T
z_2/T
z2/T次大, 则
ϵ = z 2 / T − z 1 / T = 0 + T r ( G T δ X ) + o ( δ x ) , \epsilon=z_2/T-z_1/T= 0 + \mathbf{Tr}(\mathcal{G}^T \delta X) + o(\delta x), ϵ=z2/T−z1/T=0+Tr(GTδX)+o(δx),
则
T ϵ = z 2 − z 1 = 0 + T ⋅ T r ( G T δ X ) + o ( δ x ) , T\epsilon=z_2-z_1= 0 + T \cdot \mathbf{Tr}(\mathcal{G}^T \delta X) + o(\delta x), Tϵ=z2−z1=0+T⋅Tr(GTδX)+o(δx),
其中 G \mathcal{G} G为 z 2 − z 1 z_2-z_1 z2−z1在 X X X处的负梯度.
一些有趣的指标
鲁棒性定义
ρ
a
d
v
(
F
)
=
E
μ
[
Δ
a
d
v
(
X
,
F
)
]
,
\rho_{adv}(F)= E_{\mu}[\Delta_{adv}(X,F)],
ρadv(F)=Eμ[Δadv(X,F)],
其中
μ
\mu
μ为样本的分布
Δ
a
d
v
(
X
,
F
)
=
arg
min
δ
X
{
∥
δ
X
∥
:
F
(
X
+
δ
X
)
≠
F
(
X
)
}
.
\Delta_{adv}(X,F) = \arg \min_{\delta X} \{ \| \delta X\| : F(X+\delta X) \not = F(X) \}.
Δadv(X,F)=argδXmin{∥δX∥:F(X+δX)=F(X)}.
可采用下式来实际估计
ρ
a
d
v
(
F
)
≈
1
∣
X
∣
∑
X
∈
X
min
δ
X
∥
δ
X
∥
.
\rho_{adv}(F) \approx \frac{1}{|\mathcal{X}|} \sum_{X \in \mathcal{X}} \min _{\delta X} \|\delta X\|.
ρadv(F)≈∣X∣1X∈X∑δXmin∥δX∥.
合格的抗干扰机制
- 对原有结构有较少的影响;
- 网络对干净数据因具有相当的正确率;
- 较好的训练速度;
- 对 ∥ δ X ∥ \| \delta X\| ∥δX∥较小的情况能够免疫干扰.
原文还有一个理论分析, 但我认为不重要, 略过.
代码
import torch.nn as nn
class Tsoftmax(nn.Module):
def __init__(self, T=100):
super(Tsoftmax, self).__init__()
self.T = T
def forward(self, x):
if self.train():
return nn.functional.softmax(x / self.T)
else:
return nn.functional.softmax(x)