advertorch下載 - advertorch源代碼下載

advertorch

Python

1.0.0

下載

是用於對抗性魯棒性研究的Python工具箱。主要功能是在Pytorch中實現的。具體來說，廣告包含用於生成對抗性擾動和防禦對抗示例的模塊，還包含用於對抗訓練的腳本。

安裝

安裝廣告本身

我們根據Python 3.6和Pytorch 1.0.0和0.4.1開發了廣告。要安裝廣告，只需運行

 pip install advertorch

或克隆回購併運行

 python setup.py install

要以“可編輯”模式安裝軟件包：

 pip install -e .

設置測試環境

一些攻擊對在傻瓜或聰明的實施中進行了測試，以確保正確性。目前，它們通過以下相關庫的以下版本進行了測試。

 conda install -c anaconda tensorflow-gpu==1.11.0
pip install git+https://github.com/tensorflow/cleverhans.git@336b9f4ed95dccc7f0d12d338c2038c53786ab70
pip install Keras==2.2.2
pip install foolbox==1.3.2

例子

 # prepare your pytorch model as "model"
# prepare a batch of data and label as "cln_data" and "true_label"
# ...

from advertorch . attacks import LinfPGDAttack

adversary = LinfPGDAttack (
    model , loss_fn = nn . CrossEntropyLoss ( reduction = "sum" ), eps = 0.3 ,
    nb_iter = 40 , eps_iter = 0.01 , rand_init = True , clip_min = 0.0 , clip_max = 1.0 ,
    targeted = False )

adv_untargeted = adversary . perturb ( cln_data , true_label )

target = torch . ones_like ( true_label ) * 3
adversary . targeted = True
adv_targeted = adversary . perturb ( cln_data , target )

有關可運行的示例，請參見advertorch_examples/tutorial_attack_defense_bpda_mnist.ipynb有關如何攻擊和防禦；有關如何在MNIST上訓練強大的模型，請參見advertorch_examples/tutorial_train_mnist.py 。

文件

文檔網頁在readThedocs上https://advertorch.readthedocs.io。

即將推出

廣告仍在積極發展。我們將在路上添加以下功能/項目：

更多例子
支持其他機器學習框架，例如TensorFlow
更多攻擊，防禦和其他相關功能
支持其他Python版本和未來的Pytorch版本
貢獻準則
...

已知問題

FastFeatureAttack和JacobianSaliencyMapAttack不會針對使用的Cleverhans版本進行測試。（他們用來通過以前版本的Cleverhans進行測試。）正在研究此問題。在文件test_attacks_on_cleverhans.py中，它們在pytest測試中被標記為“跳過”。

執照

該項目在LGPL下獲得許可。可以在許可證和許可證文件中找到條款和條件。

引用

如果您在研究中使用Advertorch，我們會要求您引用以下技術報告：

 @article{ding2019advertorch,
  title={{AdverTorch} v0.1: An Adversarial Robustness Toolbox based on PyTorch},
  author={Ding, Gavin Weiguang and Wang, Luyu and Jin, Xiaomeng},
  journal={arXiv preprint arXiv:1902.07623},
  year={2019}
}