white/black-box attack(黑盒白盒攻击基础)

基本概念

攻击方法分类标准：

假正性攻击(false positive)与伪负性攻击(false negative)

• 假正性攻击：原本是错误的但被被攻击模型识别为正例的攻击(eg: 一张人类不可识别的图像，被DNN以高置信度分类为某一类)；
• 伪负性攻击：原本应该被正常识别但被被攻击模型识别错误的攻击(eg: 原本能够被正确的样本，在遭到对抗攻击后，被攻击模型无法对其正确分类)。ps: 我现在做的遇到的大部分攻击算法都是伪负性攻击算法。

白盒攻击(white box)与黑盒攻击(black box)：

• 被攻击模型的模型参数可以被获取的被称为白盒攻击；
• 模型参数不可见的被称为黑盒攻击。
  

有目标攻击(target attack)和无目标攻击(non-target attack)：

• 有目标攻击：期望对抗样本被定向误识别为某一特定类别；
• 无目标攻击：仅仅希望对抗样本不能被识别的而没有指定目标类别。

单步攻击(One-time attack)和迭代攻击(Iteration attack)：

• 最典型的就是之前实现过过的FGSM([2])
• I-FGSM([3])

个体攻击(Individual attack)和普适性攻击(Universal attack)：

• 个体攻击向每个样本添加不同的扰动，大多数攻击方法都属于个体攻击(典型算法可见[4],[5])；
• 普适性攻击训练一个整个数据集通用的扰动。

优化扰动(optimized perturbation)和约束扰动(constrained perturbation)：

• 优化扰动表示扰动大小作为优化过程中的优化目标(典型算法算法可参考[6])，C&W攻击（白盒攻击）算法是一种基于迭代优化的低扰动对抗样本生成算法。该算法设计了一个损失函数，它在对抗样本中有较小的值，但在原始样本中有较大的值，因此通过最小化该损失函数即可搜寻到对抗样本；
• 约束扰动表示所添加扰动仅需满足约束即可。

数据集和被攻击模型：

• 目前该领域最常用的数据集为MNIST, CIFAR 和ImageNet；
• 最常用的被攻击模型为LeNet, VGG, AlexNet,GoogLeNet, CaffeNet, and ResNet等

优化算法（Zeroth-Order Optimization）

该算法是一个典型的黑盒攻击算法，它采用对称伤差来估测海森矩阵和梯度，不需要获取目标模型的梯度信息

模型输入：需要input+每一个类别的概率

模型的训练：

损失函数如上，左边保证对抗样本与真实input的相似，右边保证对抗样本能导致目标模型出错，具体如下：

• 目标

  • 有目标攻击：
    
  • 无目标攻击
    

• DNN model，如果目标model的数据集类似mnist,图片较小，就不会使用到attack-space hierarchical attack importance sampling

  • attack-space :计算梯度时的坐标选取范围变小 （299x299x3->32x32x3）
  • hierarchical attack:与上面的相反，小范围的坐标选取可能会没 有效果（32x32x3->64x64x3)
  • importance sampling：有时经过了attack-space，坐标范围还是非 常的大，此时就需要根据坐标的重要性进行 选取（一般认为，图片中间位置的像素较边 角的重要）

• 随机选取一个坐标

• 估计梯度，$h$非常小，$ei$是一个只有i-th元素等于1的偏置向量。第二个只在牛顿法中才会使用。

  • loss function （一阶和二阶）
    
    

• 获得了上面的近似梯度后，利用一阶或二阶方法（如下红框内的adam方法和newton method）来获取best梯度

  • ZO Adam
    

https://zhuanlan.zhihu.com/p/57733228

参考文献
[1] Yuan, Xiaoyong, et al. "Adversarial examples: Attacks and defenses for deep learning."IEEE transactions on neural networks and learning systems(2019).

[2] Goodfellow I J, Shlens J, Szegedy C. Explaining and harnessing adversarial examples. arXiv preprint arXiv:1412.6572, 2014.

[3] Szegedy, C., Zaremba, W., Sutskever, I., Bruna, J., Erhan, D., Goodfellow, I., & Fergus, R. (2013). Intriguing properties of neural networks.arXiv preprint arXiv:1312.6199.

[4] Moosavi Dezfooli S M, Fawzi A, Frossard P. Deepfool: a simple and accurate method to fool deep neural networks//Proceedings of 2016 IEEE Conference on Comput

[5]Moosavi-Dezfooli, S. M., Fawzi, A., Fawzi, O., & Frossard, P. (2017). Universal adversarial perturbations.arXiv preprint.er Vision and Pattern Recognition (CVPR). 2016 (EPFL-CONF-218057).

[6] Carlini, Nicholas, and David Wagner. “Towards evaluating the robustness of neural networks.” Security and Privacy (SP), 2017 IEEE Symposium on. IEEE, 2017.

[7] A. Rozsa, E. M. Rudd, and T. E. Boult, “Adversarial diversity and hard positive generation,” in Proc. IEEE Conf. Comput. Vis. Pattern Recognit. (CVPR) Workshops, Jun. 2016, pp. 25–32.