深度学习的恶意样本（Adversarial Example）实践之FoolBox的使用

本文是深度学习恶意样本（Adversarial Example）实战系列文章的第三篇。在【１】中，我们详细解释了经典的AE生成算法FGSM，并手工编写实现了这个算法。在【２】中，我们介绍了IBM研究人员实现的一个开源工具箱ART，在Python编程时，调用该工具箱所提供的方法，可以很容易生成各种流行的图像恶意样本。本文将介绍另外一个比较常见的工具箱FoolBox（参见文献【３】）的使用方法。

 

与之前的文章类似，本文中的例子主要演示对CIFAR10中的彩色图像进行攻击的方法。代码采用Python编写，在实验下面的代码之前，请确保必要的软件包（例如FoolBox）都已经正确安装。作为开始，请先导入必要的库。

import os
import random
import shutil
import pickle
import time
import keras
import copy
import foolbox

import numpy as np
import pandas as pd
 
import matplotlib.pyplot as plt
%matplotlib inline

from foolbox.criteria import TargetClass

from keras.models import load_model
from keras.datasets import cifar10

Keras中已经自带了CIFAR10数据集，可以使用下面的代码直接导入。

(x_train, y_train), (x_test, y_test) = cifar10.load_data()
x_train = x_train.astype('float32') / 255
x_test = x_test.astype('float32') / 255
x_train_mean = np.mean(x_train, axis=0)
x_train -= x_train_mean
x_test -= x_train_mean

min_ = np.min(x_train) 
max_ = np.max(x_train)

print(min_)
print(max_)

# instantiate model
keras.backend.set_learning_phase(0)

在下面的代码中，我们使用load_model()函数直接将训练好的ResNet模型导入。然后测试一下它在测试集上的准确率（应该为91.96%）。

num_classes = 10

my_model = load_model('/home/fzuo/Desktop/cifar10_ResNet32v1_model.189.h5')

y_test_v = keras.utils.to_categorical(y_test, num_classes)
y_train_v = keras.utils.to_categorical(y_train, num_classes)

scores = my_model.evaluate(x_test, y_test_v, verbose=1)

print('Test accuracy:', scores[1])
##Test accuracy: 0.9196

注意到ResNet在CIFAR10的测试集上并不会得到100%的准确率。也就是说，在不施加任何攻击的情况下，仍然会有一些图像不能被模型正确的分类。为了排除这些“特例”图像的影响，我将其中不能正确分类的图像排除掉，然后把可以被正确分类的9196张图像重新存储成一个pickle文件，连同它们对应的正确的分类标签也一起存起来。此外，这个例子会使用著名的Carlini-Wagner算法来作为AE生成算法（或简称为CW算法）。该算法是一个Targeted的攻击算法，也就是说它可以根据攻击者想要的结果来生成恶意图像，使得神经网络被定向误导。因此，我们还需要提供一个目标标签作为输入。CIFAR10的分类标签是０～９，这里我们将目标标签设定为正确标签的‘下一个’。例如，如果正确的分类标签是１，那么我们就生成一个会让神经网络产生２这样分类结果的AE。数据处理的部分并非本文重点，这里我将直接读入已经保存好的数据集。

with open('successful_test_9196.pkl', 'rb') as f:
    x_ben_imgs = pickle.load(f)


with open('successful_test_labels_9196.pkl', 'rb') as f:
    x_ben_imgs_labels = pickle.load(f)


with open('successful_test_targeted_labels_9196.pkl', 'rb') as f:
    x_ben_imgs_targets = pickle.load(f)


y_pred = my_model.predict(x_ben_imgs[0].reshape(1, 32, 32, 3))

print(np.argmax(y_pred))
print(x_ben_imgs_labels[0])
print(int(x_ben_imgs_targets[0]))

下面的代码演示里对单张图像进行攻击的方法，如果攻击成功则将新生成的恶意图像绘制出来：

preprocessing = (np.array([0, 0, 0]), 1)
fmodel = foolbox.models.KerasModel(my_model, bounds=(min_, max_), preprocessing=preprocessing)

attack = foolbox.attacks.CarliniWagnerL2Attack(fmodel, criterion=TargetClass(int(x_ben_imgs_targets[0])))

if(np.argmax(y_pred) == x_ben_imgs_labels[0]):
    cw_ae = attack(x_ben_imgs[0], label = x_ben_imgs_labels[0], confidence = 0, max_iterations=100)
    try:
        assert cw_ae is not None
    except Exception as e:
        print('Attack Fails Becuase None Is Returned!')
    else:
        adv_test = cw_ae.reshape(1, 32, 32, 3)
        y_pred1 = my_model.predict(adv_test)
        
        if(np.argmax(y_pred1) != (x_ben_imgs_labels[0]+1)%10):
            print('Attack Fails Becuase Classification Is Correct!')
        else:
            plt.imshow(adv_test.reshape(32,32,3) + x_train_mean)

下图即为新生成的恶意图像，注意CIFAR10中图像的大小是32×32，所以下图展示的其实是放大了之后的效果：

如果你需要批量生成一组恶意图像，那么可以参考下面的代码，具体方法是对图像逐个攻击，然后把结果“粘合”在一起：

sum_num_attack = 1

succe_labels = [x_ben_imgs_labels[0]]

for index in range(1, 10):
    
    image = x_ben_imgs[index]
    correct_label = x_ben_imgs_labels[index]
    target_label = int(x_ben_imgs_targets[index])
    
    image_f = copy.deepcopy(image)
    x_image = np.expand_dims(image_f, axis=0)
    yhat_pred = np.argmax(my_model.predict(x_image))
    
    if(yhat_pred != correct_label):
        print("Error!!! Originial Image Cannot Be Predicted Correctly!!!")
    else:
        attack = foolbox.attacks.CarliniWagnerL2Attack(fmodel, criterion=TargetClass(target_label))
        cw_ae = attack(image, label = correct_label, confidence = 0, max_iterations=100)
        try:
            assert cw_ae is not None
        except Exception as e:
            print('Attack Fails Because None Is Returned!')
        else:
            adv = cw_ae.reshape(1, 32, 32, 3)
            y_pred1 = my_model.predict(adv)
        
            if(np.argmax(y_pred1) != target_label):
                print('Attack Fails Becuase Cannot Output Target As Desired!')
            else:
                sum_num_attack += 1
                adv_test = np.concatenate([adv_test, cw_ae.reshape(1,32,32,3)])
                succe_labels.append(x_ben_imgs_labels[index])

print(sum_num_attack)

下面来测试一下生成的10张恶意图像对于ResNet分类器的影响：

for index in range(10):
    print(x_ben_imgs_labels[index], end = ' ')

print("")
for index in range(10):
    y_pred = my_model.predict(adv_test[index].reshape(1,32,32,3))
    print(np.argmax(y_pred), end = ' ')

输出的结果如下：

3 8 8 0 6 6 1 6 3 1 
4 9 9 1 7 7 2 7 4 2 

可见，我们生成的AE成功地将神经网络误导了。

 

*包含本文所使用之代码的Jupyter Notebook文件可以从链接【４】中下载得到。

 

参考文献

 

【１】深度学习中的Adversarial Examples（基于Python实现）

【２】深度学习的恶意样本实践（Adversarial Example）

【３】FoolBox的帮助文档

【４】云盘链接（提取码: vtcb）