1 概述

1.1 要点

题目：简单黑盒对抗攻击 (Simple black-box adversarial attacks)

策略：提出了一个在黑盒设置下构建对抗图像的简单方法：

1. 从预定义的正交基中随机采样一个向量，并将其添加或减去到目标图像；
2. 在多个现实任务下展示了算法的性能和效率；
3. 算法非常快，且实现仅需不要20Pytorch代码；

1.2 代码

https://github.com/cg563/simple-blackbox-attack

1.3 引用

@inproceedings{Guo:2019:24842493,
author		=	{Guo, Chuan and Gardner, Jacob and You, Yurong and Wilson, Andrew Gordon and Weinberger, Kilian},
title		=	{Simple black-box adversarial attacks},
booktitle	=	{{ICML}},
pages		=	{2484--2493},
year		=	{2019},
url			=	{https://proceedings.mlr.press/v97/guo19a.html}
}

2 背景

对抗样本的研究关注于机器学习模型对细微改变的健壮性。图像分类的任务是成功预测人类所认知的图像。自然地，这样的微小改变不会影响人类的判断。基于此，可以将健壮性形式化表述为：给定一个模型$h$和一些输入-标签对$(x,y)$，如果模型能正确分类$h(x)=y$，则称$h$是关于概率度量$d(\cdot ,\cdot )$为$\rho$健壮的：
h ( x ′ ) = y   ∀ x ′ ∈ { x ′ ∣ d ( x ′ , x ) ≤ ρ } . h(x')=y\ \forall x'\in\{ x' | d(x',x) \leq \rho \}. h(x′)=y ∀x′∈{x′∣d(x′,x)≤ρ}.度量$d$通常被近似为$L_0,L_2,L_{\infty }$，以度量输入$x$和扰动$x^{\prime }$之间视觉不相似性的程度。除非特别说明，本文均采用$d(x,x^{\prime })=\Vert x-x^{\prime }{\Vert }_2$作为感知度量。在几何上，难以察觉的变化区域被定义为一个半径$\rho$、以$x$为中心的超球。对抗攻击的目标便是找到一个对抗方向$\delta$，使得模型对$x^{\prime }=x+\delta$的决策发生改变。

2.1 目标与非目标攻击

最简单的成功攻击的条件是将原始预测改变为其它任意类别$h(x^{\prime })\ne y$。这便是非目标攻击。与此相应地，目标攻击的目标是对于选择的目标类$y^{\prime }$，有$h(x^{\prime })=y^{\prime }$。为了简便，余下的讨论均在目标攻击下进行。

2.2 最小化损失

由于模型输出离散决策，因此寻找对抗性扰动来改变模型首先是一个离散优化问题。然而，其经常定义一个代理损失${\ell }_y(\cdot )$来度量模型$h$将输入归类为$y$的确信度。因此，对抗扰动问题可以被制定为最小化模型分类确信度的连续优化问题：
$$\underset{\delta }{\min }{\ell }_y(x+\delta )\text{ subject to }\Vert \delta {\Vert }_2<\rho$$当模型$h$输出对应于每个类别的概率$p_h(\cdot |x)$时，一个常用的对抗损失是类别$y$的概率：${\ell }_y(x^{\prime })=p_h(y|x^{\prime })$，其需要最小化正确分类的概率。对于目标攻击，一个选择是${\ell }_{y^{\prime }}(x^{\prime })=-p_h(y^{\prime }|x^{\prime })$，本质上是最大化误分类为$y^{\prime }$的概率。

2.3 白盒威胁模型

依赖于所在的应用领域，攻击者对于目标模型$h$的知识有不同程度的了解。在白盒威胁模型下，分类器$h$将提供给攻击者。在该设置下，一个有力的攻击策略是在对抗损失${\ell }_y(\cdot )$下执行梯度下降或者近似理论。为了确保不易察觉的改变，一种方式是控制扰动的范数$\Vert \delta {\Vert }_2$、早停，或者直接在损失优化过程中引入正则或者约束。

2.4 黑盒威胁模型

对于很多实际应用而言，白盒假设是不切实际的。例如，模型$h$的展示形式是API，仅能够基于输入获取查询结果。对于攻击者而言，黑盒模型将更具有挑战性，这是因为梯度信息将不能引导对抗方向$\delta$，且每次查询将消耗时间和金钱。因此，黑盒威胁设置下，附加了最小化查询次数$h$的优化目标。修改后的优化目标为：
$$\underset{\delta }{\min }{\ell }_y(x+\delta )\text{ subject to: }\Vert \delta \Vert <\rho ,\text{ queries}\le B$$其中$B$是固定代价。对于迭代优化算法而言，攻击算法需要快速收敛到可行解。

3 简单黑盒攻击

假设已有一张图像$x$、黑盒神经网络$h$，分类器$h(x)=y$。我们的目标是找到一个小的扰动$\delta$，其满足$h(x+\delta )\ne y$。尽管在黑盒设置下，梯度信息是缺失的，输出概率依然可以用于引导对抗图像的生成。

3.1 算法

算法1展示了本文输入的伪代码：对于任意方向$\mathbf{q}$和步长大小$ϵ$，$x+ϵ\mathbf{q}$或者$x-ϵ\mathbf{q}$可能会降低$p_h(y|x)$。因此我们重复地随机选择方向$\mathbf{q}$并添加或者减去它。为了最小化查询$h(\cdot )$的次数，总是首先尝试添加$ϵ\mathbf{q}$。如果概率$p_h(y|x)$降低则采取该步骤，否则将减去$ϵ\mathbf{q}$。

所提出的简单黑盒攻击 (SimBA) ，使用目标图像标签对$(x,y)$作为输入，以及正交候选向量$Q$和步长$ϵ>0$。为了简化，我们均匀随机采样$\mathbf{q}\in Q$。为了保证最大的查询效率，确保了没有两个方向将会取消或者削减对方，或者不合适地放大或者增加$\delta$的范数。在$T$次更新后，扰动的范数为$\Vert \delta {\Vert }_2=\sqrt{T}ϵ$。

3.2 Cartesian基

正交搜索方向$Q$的一个很自然的选择是标准基$Q=I$，其对应算法在像素空间的更新方向。本质上，算法在每次更新随机选择一个像素增加或者减少，这样的攻击被称为$L_0$攻击，其将尽可能少的改变像素。

3.3 离散余弦基

最近的工作发现低频空间中的随机噪声更有可能是对抗性的。对此，我们将探索离散余弦变换 (DCT)。DCT是一个正交变换，其用于将2D图像空间${\mathbb{R}}^{d\times d}$中的信号映射到与余弦波函数的幅度相对于的频率系数。接下来，我们将DCT提取的正交频率集合称为$Q_{\text{DCT}}$。完整的$Q_{\text{DCT}}$包含$d\times d$个频段，我们仅保留比例$r$的低频段，以在低频空间中生成对抗扰动。

3.4 一般基

理论上，在基向量可以被高效采集的前提下，任意的正交基都能用于本文方法。这对于高分辨率数据集，例如ImageNet来说无疑是一个大的挑战，因为每一个正交基的维度是$d\times d$。迭代采样方法，例如Gram-Schmidt不能使用，因为内存代价随采样向量的数量线性增长。因此，本文仅选用标准基向量和DCT基向量。

3.5 学习率$ϵ$

给定任意的搜索方向$Q$，一些方法能够更多的降低$p_h(y|x)$。此外，输出概率$p_h(y|x+ϵ\mathbf{q})$可能是非单调的。图1展示了在像素空间和DCT空间随机采样搜索方向时，输出概率随$ϵ$变化的相对情况 (ReaNet-50预测ImageNet验证集)。结果表明，概率$p_h(y|x+ϵ\mathbf{q})$的下降与$ϵ$的增长相匹配。尽管一些方向增加了正确类别的概率，该概率的预期变化为负且斜率相对较陡。这说明算法对$ϵ$的选择不敏感，其将快速降低正类别的概率。

3.6 预算

通过探索$Q$的正交性，我们能够约束$\delta$的范数。在每次迭代过程中，基向量将被用于加或者减，当无法改变输出概率时，则抛弃。令 α i ∈ { − ϵ , 0 , ϵ } \alpha_i\in\{-\epsilon,0,\epsilon\} αi​∈{−ϵ,0,ϵ}表示在第$t$步时的搜索方向，因此：
$${\delta }_{t+1}={\delta }_t+{\alpha }_t{\mathbf{q}}_t$$最终的扰动可以记作：
$${\delta }_T=\sum _{t=1}^T{\alpha }_t{\mathbf{q}}_t$$因为方向${\mathbf{q}}_t$是正交的，对于任意的$t\ne t^{\prime }$，${\mathbf{q}}_t^{\top }{\mathbf{q}}_{t^{\prime }}=0$。因此，对抗扰动的$L_2$范数计算为：
$${\Vert {\delta }_T\Vert }_2^2={\Vert \sum _{t=1}^T{\alpha }_t{\mathbf{q}}_t\Vert }_2^2=\sum _{t=1}^T{\Vert {\alpha }_t{\mathbf{q}}_t\Vert }_2^2=\sum _{t=1}^T{\alpha }_t^2{\Vert {\mathbf{q}}_t\Vert }_2^2\le T{ϵ}^2$$因此，在$T$轮迭代之后，对抗扰动的最大$L_2$范数为$\sqrt{T}ϵ$，这对于任意正交基均成立。