知识卡片

普通读书笔记卡 · 6473.d.3.c.2.f.4 · 生成模型:未记录

训练投毒与测试时对抗扰动

理解等级:中级

测试时对抗攻击改变推理输入;训练数据投毒则操纵训练样本或标签,使训练后的模型在特定输入上产生攻击者希望的错误。正常验证集准确率较高不能排除这种定向缺陷,防护需要结合数据来源和针对性测试。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 对抗攻击 12.6 现实世界中的攻击 · 查看原书依据

      还有一种令人惊叹的攻击方式,就是在模型里面开一个后门. 与之前的攻击都在测试阶段才展开不同,这种攻击是在训练阶段就展开的.举例来说,假设我们要让一张图片识别错误,如把鱼被误判为狗. 第一种方法是,直接在训练集里面加入很多鱼的图片,并且把鱼的图片都标注为狗,这样训练出来的模型就会把鱼识别为狗,但这种方法行不通,原因在于,如果有人去检查训练数据,就会发现训练数据有问题.第二种方法是,我们在训练阶段使用的图片是正常的,并且它们的标注也都正确,拿这样的图片进行训练,想方设法让分类器识别错误,如图12.18所示.这样的话,我们的模型就会在测试的时候,把鱼识别为狗,而且我们的训练数据也是正常的,没有问题. 有研究人员做了相关的工作,在训练数据中加入一些特别的、看起来没有问题但实际上有问题的数据,这些数据会让模型在训练的时候开一个后门,使得模型在测试的时候识别错误,而且只对某张图片识别错误,对其他图片的识别则没有影响. 这种攻击方式是非常隐蔽的,因为我们的训练数据是正常的,而且我们的模型也是正常的,直到有人拿这张图片来攻击模型的时候,我们才发现模型被攻击了.

    参考来源

    - 位置:《深度学习详解》第12章《对抗攻击》12.6 现实世界中的攻击(来源项目 book-source:`extracted/深度学习详解/_epub-src/OEBPS/Text/Chapter12.xhtml`) - 结论依据:原书说明攻击优化、迁移和防御;效果限定在具体威胁模型内。 - 原始内容:还有一种令人惊叹的攻击方式,就是在模型里面开一个后门. 与之前的攻击都在测试阶段才展开不同,这种攻击是在训练阶段就展开的.举例来说,假设我们要让一张图片识别错误,如把鱼被误判为狗. 第一种方法是,直接在训练集里面加入很多鱼的图片,并且把鱼的图片都标注为狗,这样训练出来的模型就会把鱼识别为狗,但这种方法行不通,原因在于,如果有人去检查训练数据,就会发现训练数据有问题.第二种方法是,我们在训练阶段使用的图片是正常的,并且它们的标注也都正确,拿这样的图片进行训练,想方设法让分类器识别错误,如图12.18所示.这样的话,我们的模型就会在测试的时候,把鱼识别为狗,而且我们的训练数据也是正常的,没有问题. 有研究人员做了相关的工作,在训练数据中加入一些特别的、看起来没有问题但实际上有问题的数据,这些数据会让模型在训练的时候开一个后门,使得模型在测试的时候识别错误,而且只对某张图片识别错误,对其他图片的识别则没有影响. 这种攻击方式是非常隐蔽的,因为我们的训练数据是正常的,而且我们的模型也是正常的,直到有人拿这张图片来攻击模型的时候,我们才发现模型被攻击了.