对抗样本与对抗训练

（本文讨论仅限个人观点，因为我见解有限，错误难免（我也可能不定时更新想法），欢迎和我讨论jsxiejp@163.com） 
本文将会介绍对抗样本与对抗训练的相关知识（请将此对抗训练与Ian Goodfellow的生成对抗网络区别开来）。综合Ian Goodfelow在Berkeley CS 294-131的deeplearning topic上面的讲义，我将从以下几个方面介绍：

• 什么是对抗样本？
• 它们是怎么出现的？
• 它们是怎么危害到机器学习系统？
• 有什么办法防范？
• 怎样使用对抗样本训练机器学习？

由于本人的研究方向并非是神经网络，或者机器学习，所以对相关related work没有系统的调研，仅限于读过的几篇文章，浅尝辄止，有兴趣的读者可以参考论文原文。

1、什么是对抗样本？

自从2013年以来，深度的神经网络模型在各方面得到了广泛应用，甚至在某些方面达到可以匹配人类的性能，比如人脸识别，最高已经可以达到99.5%的识别率，代表产品有face++等。然而Christian Szegedy等人在2014年发表一篇文章：Intriguing properties of neural networks。这篇文章介绍了关于神经网络一个有趣的现象，即神经网络学习到的那个函数是不连续的！只需要在一张图片上做微小的扰动，就能让图片以很高的置信度被错误分类，甚至能让图片被分类一个指定的标签（不是图片正确所属的标签）。这对图片分类系统无疑是危害巨大！试想在支付宝这样使用人脸识别的应用中，攻击者可以轻轻松松伪装成“马云”会怎么样，呵呵。我们把这种攻击方式叫做“adversarial example”。其实在机器学习领域中，对抗样本的问题并不是第一次提到。Biggo等人在Evasion attacks against machine learning at test time这篇文章里就介绍过。他们给潜在的“敌人（adversary）”定义了一个模型“Adversary model”。一个敌对模型包括adversary goal, adversary knowledge和adversary capability等几个方面：

• adversary goal（攻击目标）: 分为两种目标，一是能够分类为好的即可（在垃圾邮件检测中，指分类为好的邮件）。如果有一个函数g定义在样本空间中X，g(x)<0表示分类为好，那么敌人的目标就是设计一个样本x*，让g(x*)<0。这种攻击很容易破解，只要调整分类界限即可（这里指g(x)=0这条边界）。所以，其实攻击者还有一个更好的目标是让g(x)尽可能小。

• adversary knowledge: 敌人对机器学习训练系统的知识包括：

  • 训练集是什么
  • 样本的特征表示
  • 学习算法是什么，决策函数是什么
  • 分类模型是什么，比如线性分类器的权重
  • 分类器的反馈

显然敌人拥有什么样的知识对系统的危害程度会不一样。 
- adversary capability: 敌人的能力，包括： 
- 修改输入数据 
- 修改特征向量 
- 修改某个制定的特征 
显然敌人的能力不同，攻击的危害也不同。 
建立在上面模型中的敌人（或者叫对抗者，攻击者）就是试图寻找对抗样本来误导分类器。

2、它们是怎么出现的？

那么作为一个攻击方，怎么依赖他拥有的知识来做攻击（即混淆分类器）呢？ 
Biggo和Szegedy都提出了类似的攻击策略，基于最优化的方法，Biggo的攻击策略如下： 

x∗=argmaxxg^(x),s.t.d(x,x0)≤dmax

它是说我们想找一个对抗样本x，使它尽可能被分类为好，并且与某个原来的样本 x0 在样本空间里还很接近（距离小于 dmax ）。 
Szegedy的攻击策略为： 

Minimize||r||2,subject to:1. f(x+r)=l,2. x+r∈[0,1]m

它是说对于给定的某个样本x，怎么找离它最近的样本，使得被分类为标签 l . 
这里不再赘述优化问题该怎么解，常用的方法有梯度下降，或者牛顿法，BFGS，L-BFGS. 上述两个优化问题分别使用梯度下降法和L-BFGS来解决。这两篇文章的实验细节我们也不再举例，我们只看一下结果。Biggo的实验学术味更浓，Szegedy的实验则很直观了，他们的实验显示，给定一张图片，加一个微小扰动使它被错误的分类为某个指定标签。 

上面每副图片的左侧是真实的图片，中间是加的噪音（就是优化问题中的r），右边是生成的对抗样本图片。很好笑的是，6张对抗样本全部被错分类为了鸵鸟！！ 
所以，这里已经解决了怎么找对抗样本的问题，但是没有深入到问题的本质，为什么能够找到？能找到我们不意外，因为我们总可以在原来的图片上“动手术”，让他改成我们要的样子，但是Szegedy的实验很出人意料，因为结果显示其实只需要很微小的扰动就能随意改变分类的标签，这又是为什么？ 
下面我们再继续讨论，首先先看goodfellow是怎么总结现有结论的：

• 使用Box-constrained L-BFGS能够找到对抗样本
• 在ImageNet这样的数据集里，对抗样本和原始样本的差别非常小，人眼不可分别
• 同样的对抗样本，会同时被不同的分类器错误分类，哪怕他们使用了不同的训练集
• 浅层的softmax回归模型对对抗样本也很脆弱
• 在对抗样本上训练能够正则化模型，但是代价高昂，因为训练集不容易获得。

注意最后一条，大家可能在想，我们手动生成对抗样本喂给分类器学习不就完了吗，但是效果并不好，因为对抗样本的生成比较expensive。如果我们能知道对抗样本产生的原因，也许能更轻松的制造对抗样本，从而训练。 
在这些结论基础上，我们开始学习Ian Goodfellow的这篇文章，Explaining and Harnessing Adversarial Examples. 
对抗样本产生的原因仍然不是特别清楚，有人怀疑是因为深度神经网络模型的非线性性，也许再加上不充分的模型平均和不充分的正则化（即过拟合）。G认为这些猜测都是不必要的，相反，他认为模型在高维空间中的线性性是对抗样本存在的罪魁祸首！！！ 
举个例子，下面从一个线性模型入手，来解释对抗样本的存在性问题。 
在很多问题当中，一个输入的特征的取值精度通常是有限制的，这就意味着当在特征的取值上做一个微小的扰动（在精度范围内），分类器不应该返回不同的结果。比如我们现在有一个样本 x 和一个对抗输入 x~=x+η ，当 η 足够小的时候，分类器对 x 和 x~ 的响应应该要一样的。考虑一个权值向量 ω,此时的响应为

ω⊤x~=ω⊤x+ω⊤η.

对抗扰动使得激发增长了 ω⊤η . 显然，我们可以让 η=sign(ω) 来使激发增长最大。如果 ω 有 n 个维度，如果在每个维度上增加 m ，那么激发可以增加 ϵmn 。因为 ||η||∞ 与维度无关，而激发增加量随维度线性增长，那么在高维问题中，我们可以很大程度改变输出，但是在输入上只需要做极小的改动！这个例子说明，如果维度足够的话，一个简单的线性模型同样存在对抗样本的问题。过去对对抗样本的那些牵扯到神经网络的性质的解释，比如误认他们具有高度的非线性性，可能都不对。Ian基于线性性的假设更简单，并且能够解释softmax回归也对对抗样本很脆弱的事实。 因此，基于线性性，对抗样本很容易生成。Ian假设神经网络同样是因为太“线性”而不能抵抗对抗样本。LSTMs, ReLUs, 和maxout网络都设计得很“线性”，所以他们很容易被利用。我们可以想象一个具有高度线性性的网络训练出来的函数，它的高阶导数近似于0，Taylor展开以后占主导作用的是线性部分，所以可以类比为线性分类器。线性性意味着线性模型上面的微小扰动同样能够破坏神经网络。假设有一个模型，它的参数是 θ ，输入是 x ， y 是 x 的目标， J(θ,x,y) 是神经网络的损失函数。在目前的 θ 值，局部上可以将函数近似为线性，使用线性模型的攻击方法，我们得到一个最优的扰动

η=ϵsign(∇xJ(θ,x,y)),

这种方法称为生成对抗模型的快速梯度符号法，梯度可以通过反向传播算法（backpropagation）计算获得。

3、它们是怎么危害到机器学习系统？

讲到这里，有的人可能云里雾里了。如果我们有两张图片，人眼看上去一模一样，都是一间房子，但是cnn把一张分类为房子，一张分类为鸵鸟，这种分类器还有什么用啊。如果我们的模型随随便便就被欺骗，还能被投入使用吗，那那些研究不成了纸上谈兵了吗。但仔细看的人可能会说，不要慌。呵呵，确实，我们回过头去看，对抗样本是怎么找到的。即使是Ian的方法，都需要知道梯度怎么求，可是攻击者怎么知道我的模型是什么样子呢，换句话说，他不会求梯度生成对抗样本啊！ 
可惜，对抗样本还有一个重要性质，叫做Transferability，转移性。什么意思呢，就是我在我的模型上找到一个对抗样本，放到别人的模型上，居然也有效。而且我通过我的模型把房子分类成鸵鸟，别人的模型很多时候居然也分类成了鸵鸟。。。这个可以称作灾难了，最后的堡垒也被攻破了，我们再怎么隐藏模型的细节，也可能会被攻击。（引用：Transferability in Machine Learning: from Phenomena to Black-Box Attacks using Adversarial Samples） 
先等一下，我们再好好思考一下对抗样本的问题：有一张图片（房子），加了噪音，变成了鸵鸟。首先我们不用担心的是，这个噪音很难找，不是任意一个随机的噪音都能让原来图片被误分类。在线性模型中，在一张227*227图片的每个像素里做随机扰动，他们基本上都能抵消，即使不抵消，余下的也很少，而且扰动的方向不一定沿着梯度的负梯度符号方向，所以我们不担心这种情况。 
再回来，现在的分类器，正确率都特别高，softmax，cnn在mnist上面都有90%以上的正确率。这些分类器基本上都接近了分类的正确准则，他们差不多是等价的。这里说的很悬，我的意思是说，cnn和线性分类器很像，他们对输入的图片所做的操作，变换，最终结果都是线性的变换。而一张精心制作的对抗样本，是在负梯度符号方向上做微小扰动，而大部分的分类模型都有很高的线性性，他们对这种对抗策略应该是一样脆弱。

4、有什么办法防范？

参见下一节

5、怎样使用对抗样本训练机器学习？

以最简单的logistic regression为例。如果我们要训练一个模型来识别标签 y∈{−1,1} ,  P(y=1)=σ(w⊤x+b) ，其中 σ 为sigmoid函数，然后在

Ex,y∼pdataζ(−y(w⊤x+b))

上作梯度下降，其中 ζ(x)=log(1+exp(z)) 是softplus函数。下面将 x 代替为 x 上面的线性扰动，推到出的解析式为

Ex,y∼pdataζ(y(ϵ||w||1−w⊤x−b)).

这类似于 L1 正则化，但不同的是， L1 罚项是从激发中减去，而不是加到损失函数中。这样的坏处是会恶化欠拟合的情况。下图是Ian的解释原文：

需要注意的是，这里对于损失函数的估计过于悲观。在softmax回归中，很难找到一个扰动，让他在每个标签的梯度上都达到最坏（即与他们的符号相反），因此我们有必要减少 ϵ 。 
Szegedy的文章Intriguing properties of neural networks表明将对抗样本和普通样本一起给模型训练能够使模型稍微正则化。训练对抗样本和普通的数据增加不一样：通常我们通过对数据进行变形来增加数据，这样变形后的数据是可能出现在测试集里的。而对抗样本这种数据通常不可能自然地出现在测试集中，但是它们可以揭露出模型的缺陷。增加对抗样本来训练并没有显著提高性能，有可能是因为实验样本不太够（Szegedy那篇文章使用expensive的L-BFGS来寻找对抗样本）。 
Ian发现使用对抗目标函数（基于快速梯度符号法）能够有效正则化模型：

J~(θ,x,y)=αJ(θ,x,y)+(1−α)J(θ,x+ϵsign(∇xJ(θ,x,y)).

用这个方法来训练dropout网络，能够使错误率从0.94%降到0.84%。Ian发现训练集上的错误率并没有下降到0，作者做了两个改变，首先使网络更大，将每一层网络的节点从240增加到1600。如果没有对抗训练这可能会导致过拟合，此时测试集上错误率有1.14%。原来的maxout网络中验证集上错误率会平坦下降，但速度很慢，而对抗验证集不是，因此在对抗验证集上使用早停法。 
对抗训练的过程可以看做当数据被恶意扰动的时候，最小化最差情况的错误率。我在intel实习的一次组会上介绍过对抗训练，当时我提到使用正则化能有效降低对抗样本的错误分类率，有同事发出质疑： 
Q.正则化以后的实验是不是仍然用同样的对抗样本，如果是，那就没有意义，因为模型参数改变了，对抗样本理应重新找。如果不是，那很难理解，因为模型的线性性并没有改变，仍然可以找到对抗样本，没有理由错误率会降低。  
我的回答是： 
A．在论文原文里面作者是这样描述的： 
“The model also became somewhat resistant to adversarial examples. Recall that without adversarial training, this same kind of model had an error rate of 89.4% on adversarial examples based on the fast gradient sign method. With adversarial training, the error rate fell to 17.9%.” 
所以对于上面那个问题，我倾向于后者，也就是作者针对新模型，使用了Fast gradient sign method方法重新生成一批新的对抗样本。那为什么线性性没有改变，错误率能降低这么多呢。我觉得有一种可能解释是对于strong的正则化，模型（比如说线性模型）的weight会变得比较低。记得我们举过的例子，对线性模型，精心设计的对抗样本能使模型的activation改变大约 ϵmn ，这里的\epsilon是样本允许的波动范围，是固定的，m是平均的weight，当m很小的时候，对activation的扰动 ϵmn 会很小，从而对分类的影响比较小。所以，这里问题的关键变成了为什么strong的正则化会使weight降低。还记得在cost function里面加的正则化，是对样本的扰动进行惩罚，而高weight会使样本的扰动更大，那训练的时候模型显然会自然的降低weight来减少cost function的值。所以strong的正则化会使weight降低。 *