![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 68
不想读书的c某人
这个作者很懒,什么都没留下…
展开
-
各种后门攻击以及防御复现
后门攻击代码复现 BadNets,Composite backdoor attack,SIG,Refool,BlendAC ABL NAD原创 2022-07-18 12:10:09 · 1920 阅读 · 7 评论 -
CV视觉—注意力集中机制
本来有个idea,想拿注意力集中机制去对抗后门攻击的(像素点攻击),没想到写完通道的注意力集中防御并没有增加,后门的基于空间注意力的也不打算测试了,就把通道注意力集中贴这里吧,因为往上没有类似代码,这份代码全是我自己写的,一个中秋的成果泡汤了。这份是不带注意力集中机制的import torchimport torch.nn.functional as Fimport torch.optim as optimfrom torch import nnfrom torchvision import原创 2021-09-21 17:37:25 · 235 阅读 · 0 评论 -
人工智能安全(五)—梯度攻击
这个章节主要记载一些梯度攻击的方法1.《Explaining and Harnessing Adversarial Examples》概述:利用 Fast Gradient Sign Method(快速梯度下降法)来对训练好的模型进行攻击,论文不对模型的参数造成攻击,而是在训练过程中依靠梯度反向生成对抗样本,举个例子,如果一个图片的某个像素点在一次训练的反向传播中为了让loss减少,应该是加上某个偏导数,而为了生成对抗样本,则反向的减去一些值,让这个loss反而增大。由于增加噪音无法指定让模型由正确的分原创 2021-09-14 16:43:24 · 1365 阅读 · 0 评论 -
人工智能安全(四)—DaST
1.《DaST: Data-free Substitute Training for Adversarial Attacks》开头的介绍对抗样本这些就不写了,直接写重要部分这篇文章属于攻击替代模型的。本文创新点:我们一般说的攻击替代模型的方法都是需要知道数据集的,也就是需要拿相同的train数据集或者相近的数据集去训练替代网络,然后将成功攻击替代网络的对抗样本去攻击远程的网络。然而,本文作者不需要任何原始数据集,也是第一个做到不用任何原始数据集去成功攻击的人。论文提供的代码地址:https://gi原创 2021-09-07 17:27:05 · 574 阅读 · 0 评论 -
人工智能安全(三)—防御
1.《Neural Cleanse: Identifying and Mitigating Backdoor Attacks in Neural Networks》这篇文章是根据 像素点攻击和特洛伊木马”(Trojans)提出的一种检测是否有这两类攻击的一种检测手段,以及削弱后门攻击的一种手段。像素点攻击的论文提出是这篇文章 :《BadNets: Identifying Vulnerabilities in the Machine Learning Model Supply Chain》特洛伊木马的论原创 2021-08-31 17:50:01 · 711 阅读 · 0 评论 -
人工智能安全(二)—攻击
1《Deep Leakage from Gradients》代码地址:https://gitee.com/dugu1076/ai-dlg.git(这份代码是我自己全部加上注解后的,删除了所有多余代码,可直接运行,image下的desk.png是我成功攻击过的图片)论文主要成果:提出一种优化算法DLG算法,可以在几个迭代中获取训练输入和标签。算法的主要思路是:假设虚拟输入和标签,计算虚拟梯度,优化虚拟梯度与真实梯度之间的距离,通过匹配梯度使得虚拟数据靠近原始数据。算法具体步骤:首先选取一张Norm原创 2021-08-17 15:07:27 · 872 阅读 · 0 评论 -
人工智能安全(一)—攻击
开始写一写论文的总结,慢慢补1.《BadNets Identifying Vulnerabilities in the Machine Learning Model Supply Chain》概述:在一张图片上增加一个或者几个像素点来扰乱模型的准确性,导致在某些特定的训练集上精度异常低。2.《Deep Neural Networks are Easily Fooled: High Confidence Predictions for Unrecognizable Images》概述:利用遗传算法生原创 2021-08-01 21:46:19 · 1026 阅读 · 1 评论 -
机器学习—LogisticRegression
数据集是从别人那里下载的,代码二也是别人写的,但发现一点小瑕疵改动了下,代码一是本人写的,思想是根据吴恩达机器学习学习来的,强烈推荐,第一次学习,不正确请各位大佬指出。1.数据集-0.017612 14.053064 0-1.395634 4.662541 1-0.752157 6.538620 0-1.322371 7.152853 00.423363 11.054677 00.406704 7.067335 10.667394 12.741452 0-2.460150 6.866805原创 2021-06-13 17:48:39 · 160 阅读 · 1 评论 -
机器学习—线性回归
花了2天时间看了吴恩达老师的机器学习算法的第一章,收获很多,在网易云课堂上可看,虽然是英文版的,且偏向于理论,故在此记录下学习收获和代码实现。1.y=kx+b的线性回归1.1导包与前序工作import numpy as npimport matplotlib.pyplot as plt# 1. 导入数据(两列)data=np.genfromtxt('csv/data.csv', delimiter=',')x_data=data[:,0]y_data=data[:,1]plt.scatte原创 2021-06-10 17:47:47 · 184 阅读 · 0 评论