Pytorch | 利用PI-FGSM针对CIFAR10上的ResNet分类器进行对抗攻击

CIFAR数据集
PI-FGSM介绍
- 背景和动机
- 算法原理
- 算法流程
PI-FGSM代码实现
- PI-FGSM算法实现
- 攻击效果
代码汇总
- pifgsm.py
- train.py
- advtest.py

本篇文章我们使用Pytorch实现PI-FGSM对CIFAR10上的ResNet分类器进行攻击.

CIFAR数据集

CIFAR-10数据集是由加拿大高级研究所（CIFAR）收集整理的用于图像识别研究的常用数据集，基本信息如下：

数据规模：该数据集包含60,000张彩色图像，分为10个不同的类别，每个类别有6,000张图像。通常将其中50,000张作为训练集，用于模型的训练；10,000张作为测试集，用于评估模型的性能。
图像尺寸：所有图像的尺寸均为32×32像素，这相对较小的尺寸使得模型在处理该数据集时能够相对快速地进行训练和推理，但也增加了图像分类的难度。
类别内容：涵盖了飞机（plane）、汽车（car）、鸟（bird）、猫（cat）、鹿（deer）、狗（dog）、青蛙（frog）、马（horse）、船（ship）、卡车（truck）这10个不同的类别，这些类别都是现实世界中常见的物体，具有一定的代表性。

下面是一些示例样本：

在这里插入图片描述

PI-FGSM介绍

PI-FGSM（Patch-wise Iterative Fast Gradient Sign Method）是一种针对主流正常训练和防御模型的黑盒攻击算法，旨在生成具有强转移性的对抗样本。该算法通过引入放大因子和投影核，以块（patch）为单位生成对抗噪声，从而提高对抗样本在不同模型间的转移性。

背景和动机

DNN的对抗样本问题：深度神经网络（DNN）在取得巨大成就的同时，面临着对抗样本的威胁。这些添加了人类难以察觉噪声的对抗样本，能够轻易愚弄先进的DNN，使其做出不合理的预测，引发了对机器学习算法安全性的担忧。
现有攻击方法的局限性：基于梯度的攻击方法是常见的攻击手段，其中迭代攻击在白盒设置下性能较好，但在黑盒设置中，由于攻击者无法获取目标模型信息，通常使用替代模型生成对抗样本，此时迭代攻击容易陷入局部最优，转移性较差；单步攻击虽转移性较高，但性能欠佳。
研究动机：基于DNN的特性，不同模型在识别时关注的判别区域不同，且判别区域通常具有聚集性。仅添加像素级噪声可能影响对抗样本的转移性，因此研究具有聚集性的扰动生成方法具有重要意义。PI-FGSM旨在结合单步和迭代攻击的优点，在不牺牲替代模型性能的前提下提高转移性。

算法原理

目标函数：PI-FGSM的目标是在满足 $L_{\infty}$ 范数约束（即对抗扰动的最大幅度不超过 $\epsilon$ ）的条件下，最大化替代模型的交叉熵损失，以生成能够成功欺骗目标模型的对抗样本。
梯度计算与放大：在每次迭代中，计算当前对抗样本 $x_t^{adv}$ 关于损失函数 $J$ 的梯度 $\nabla_x J(x_t^{adv}, y)$ ，并将步长设置为 $\frac{\epsilon}{T} \times \beta$ （其中 $T$ 为总迭代次数， $\beta$ 为放大因子），对梯度进行放大，以增加扰动的幅度，提高攻击的有效性。
投影核与噪声重用：引入特殊的均匀投影核 $W_p$ ，当累积放大噪声 $a_t$ 的 $L_{\infty}$ 范数超过阈值 $\epsilon$ 时，通过投影核将超出部分的噪声投影到周围区域，生成“可行方向”的噪声，同时重用这部分噪声，增加噪声斑块的聚集程度，以更好地匹配图像中判别区域的聚集特性，提高对抗样本的转移性。

算法流程

初始化累积放大噪声 $a_0$ 和裁剪噪声 $C$ 为0，设置初始对抗样本 $x_0^{adv}=x^{clean}$ 。
对于 $t = 0$ 到 $T - 1$ ：
- 计算梯度 $\nabla_x J(x_t^{adv}, y)$ 。
- 更新累积放大噪声 $a_{t + 1}=a_t+\beta \cdot \frac{\epsilon}{T} \cdot sign(\nabla_x J(x_t^{adv}, y))$ 。
- 如果 $\|a_{t + 1}\|_{\infty} \geq \epsilon$ ，则计算裁剪噪声 $clip(|a_{t + 1}|-\epsilon, 0, \infty) \cdot sign(a_{t + 1})$ ，并更新 $a_{t + 1}=a_{t + 1}+\gamma \cdot sign(W_p * C)$ （其中 $\gamma$ 为投影因子）；否则 $C = 0$ 。
更新对抗样本 $x_{t + 1}^{adv}=Clip_{x^{clean}, \epsilon}\{x_t^{adv}+\beta \cdot \frac{\epsilon}{T} \cdot sign(\nabla_x J(x_t^{adv}, y))+\gamma \cdot sign(W_p * C)\}$ ，并将其裁剪到 $[- 1, 1]$ 范围内。
返回最终的对抗样本 $x^{adv}=x_T^{adv}$ 。

PI-FGSM代码实现

PI-FGSM算法实现

import torch
import torch.nn as nn

def PI_FGSM(model, criterion, original_images, labels, epsilon, beta=5, kernel_size=3, num_iterations=10):
    """
    PI-FGSM (Patch-wise Iterative Fast Gradient Sign Method)

    参数:
    - model: 要攻击的模型
    - criterion: 损失函数
    - original_images: 原始图像
    - labels: 原始图像的标签
    - epsilon: 扰动幅度
    - beta: 放大因子
    - kernel_size: 投影核大小
    - num_iterations: 迭代次数
    
    返回:
    - perturbed_image: 生成的对抗样本
    """
    # gamma: 投影因子
    gamma = epsilon / num_iterations * beta
    # 初始化累积放大噪声和裁剪噪声
    a = torch.zeros_like(original_images)
    C = torch.zeros_like(original_images)
    perturbed_images = original_images.clone().detach().requires_grad_(True)

    # 定义投影核
    Wp = torch.ones((kernel_size, kernel_size), dtype=torch.float32) / (kernel_size ** 2 - 1)
    Wp[kernel_size // 2, kernel_size // 2] = 0
    Wp = Wp.expand(original_images.size(1), -1, -1).to(original_images.device)
    Wp = Wp.unsqueeze(0)

    for _ in range(num_iterations):
        # 计算梯度
        outputs = model(perturbed_images)
        loss = criterion(outputs, labels)
        
        model.zero_grad()
        loss.backward()
        
        data_grad = perturbed_images.grad.data

        # 更新累积放大噪声
        a = a + beta * (epsilon / num_iterations) * data_grad.sign()

        # 裁剪噪声
        if a.abs().max() >= epsilon:
            C = (a.abs() - epsilon).clamp(0, float('inf')) * a.sign()
            a = a + gamma * torch.nn.functional.conv2d(input=C, weight=Wp, stride=1, padding=kernel_size // 2)

        # 更新对抗样本
        perturbed_images = perturbed_images + beta * (epsilon / num_iterations) * data_grad.sign() + gamma * torch.nn.functional.conv2d(C, Wp, stride=1, padding=kernel_size // 2)
        
        perturbed_images = torch.clamp(perturbed_images, original_images - epsilon, original_images + epsilon)
        perturbed_images = perturbed_images.detach().requires_grad_(True)

    return perturbed_images

攻击效果

在这里插入图片描述

代码汇总

pifgsm.py

import torch
import torch.nn as nn

def PI_FGSM(model, criterion, original_images, labels, epsilon, beta=5, kernel_size=3, num_iterations=10):
    """
    PI-FGSM (Patch-wise Iterative Fast Gradient Sign Method)

    参数:
    - model: 要攻击的模型
    - criterion: 损失函数
    - original_images: 原始图像
    - labels: 原始图像的标签
    - epsilon: 扰动幅度
    - beta: 放大因子
    - kernel_size: 投影核大小
    - num_iterations: 迭代次数
    
    返回:
    - perturbed_image: 生成的对抗样本
    """
    # gamma: 投影因子
    gamma = epsilon / num_iterations * beta
    # 初始化累积放大噪声和裁剪噪声
    a = torch.zeros_like(original_images)
    C = torch.zeros_like(original_images)
    perturbed_images = original_images.clone().detach().requires_grad_(True)

    # 定义投影核
    Wp = torch.ones((kernel_size, kernel_size), dtype=torch.float32) / (kernel_size ** 2 - 1)
    Wp[kernel_size // 2, kernel_size // 2] = 0
    Wp = Wp.expand(original_images.size(1), -1, -1).to(original_images.device)
    Wp = Wp.unsqueeze(0)

    for _ in range(num_iterations):
        # 计算梯度
        outputs = model(perturbed_images)
        loss = criterion(outputs, labels)
        
        model.zero_grad()
        loss.backward()
        
        data_grad = perturbed_images.grad.data

        # 更新累积放大噪声
        a = a + beta * (epsilon / num_iterations) * data_grad.sign()

        # 裁剪噪声
        if a.abs().max() >= epsilon:
            C = (a.abs() - epsilon).clamp(0, float('inf')) * a.sign()
            a = a + gamma * torch.nn.functional.conv2d(input=C, weight=Wp, stride=1, padding=kernel_size // 2)

        # 更新对抗样本
        perturbed_images = perturbed_images + beta * (epsilon / num_iterations) * data_grad.sign() + gamma * torch.nn.functional.conv2d(C, Wp, stride=1, padding=kernel_size // 2)
        
        perturbed_images = torch.clamp(perturbed_images, original_images - epsilon, original_images + epsilon)
        perturbed_images = perturbed_images.detach().requires_grad_(True)

    return perturbed_images

train.py

import torch
import torch.nn as nn
import torchvision
import torchvision.transforms as transforms
from models import ResNet18


# 数据预处理
transform_train = transforms.Compose([
    transforms.RandomCrop(32, padding=4),
    transforms.RandomHorizontalFlip(),
    transforms.ToTensor(),
    transforms.Normalize((0.4914, 0.4822, 0.4465), (0.2023, 0.1994, 0.2010))
])

transform_test = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize((0.4914, 0.4822, 0.4465), (0.2023, 0.1994, 0.2010))
])

# 加载Cifar10训练集和测试集
trainset = torchvision.datasets.CIFAR10(root='./data', train=True, download=False, transform=transform_train)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=128, shuffle=True, num_workers=2)

testset = torchvision.datasets.CIFAR10(root='./data', train=False, download=False, transform=transform_test)
testloader = torch.utils.data.DataLoader(testset, batch_size=100, shuffle=False, num_workers=2)

# 定义设备（GPU或CPU）
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")

# 初始化模型
model = ResNet18(num_classes=10)
model.to(device)

# 定义损失函数和优化器
criterion = nn.CrossEntropyLoss()
optimizer = torch.optim.Adam(model.parameters(), lr=0.01)

if __name__ == "__main__":
    # 训练模型
    for epoch in range(10):  # 可以根据实际情况调整训练轮数
        running_loss = 0.0
        for i, data in enumerate(trainloader, 0):
            inputs, labels = data[0].to(device), data[1].to(device)

            optimizer.zero_grad()

            outputs = model(inputs)
            loss = criterion(outputs, labels)
            loss.backward()
            optimizer.step()

            running_loss += loss.item()
            if i % 100 == 99:
                print(f'Epoch {epoch + 1}, Batch {i + 1}: Loss = {running_loss / 100}')
                running_loss = 0.0

    torch.save(model.state_dict(), f'weights/epoch_{epoch + 1}.pth')
    print('Finished Training')

advtest.py

import torch
import torch.nn as nn
import torchvision
import torchvision.transforms as transforms
from models import *
from attacks import *
import ssl
import os
from PIL import Image
import matplotlib.pyplot as plt

ssl._create_default_https_context = ssl._create_unverified_context

# 定义数据预处理操作
transform = transforms.Compose(
    [transforms.ToTensor(),
     transforms.Normalize((0.491, 0.482, 0.446), (0.247, 0.243, 0.261))])

# 加载CIFAR10测试集
testset = torchvision.datasets.CIFAR10(root='./data', train=False,
                                       download=False, transform=transform)
testloader = torch.utils.data.DataLoader(testset, batch_size=128,
                                         shuffle=False, num_workers=2)

# 定义设备（GPU优先，若可用）
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

model = ResNet18(num_classes=10).to(device)

criterion = nn.CrossEntropyLoss()

# 加载模型权重
weights_path = "weights/epoch_10.pth"
model.load_state_dict(torch.load(weights_path, map_location=device))


if __name__ == "__main__":
    # 在测试集上进行FGSM攻击并评估准确率
    model.eval()  # 设置为评估模式
    correct = 0
    total = 0
    epsilon = 16 / 255  # 可以调整扰动强度
    for data in testloader:
        original_images, labels = data[0].to(device), data[1].to(device)
        original_images.requires_grad = True
        
        attack_name = 'PI-FGSM'
        if attack_name == 'FGSM':
            perturbed_images = FGSM(model, criterion, original_images, labels, epsilon)
        elif attack_name == 'BIM':
            perturbed_images = BIM(model, criterion, original_images, labels, epsilon)
        elif attack_name == 'MI-FGSM':
            perturbed_images = MI_FGSM(model, criterion, original_images, labels, epsilon)
        elif attack_name == 'NI-FGSM':
            perturbed_images = NI_FGSM(model, criterion, original_images, labels, epsilon)
        elif attack_name == 'PI-FGSM':
            perturbed_images = PI_FGSM(model, criterion, original_images, labels, epsilon)
        
        perturbed_outputs = model(perturbed_images)
        _, predicted = torch.max(perturbed_outputs.data, 1)
        total += labels.size(0)
        correct += (predicted == labels).sum().item()

    accuracy = 100 * correct / total
    # Attack Success Rate
    ASR = 100 - accuracy
    print(f'Load ResNet Model Weight from {weights_path}')
    print(f'epsilon: {epsilon:.4f}')
    print(f'ASR of {attack_name} : {ASR :.2f}%')