李宏毅2020机器学习作业6-Adversarial Attack：对抗攻击（更新中）

原创 已于 2022-09-18 11:23:16 修改 · 3.4k 阅读 · 2
标签
#python #机器学习 #人工智能 #神经网络 #算法
于 2021-12-01 18:13:18 首次发布
本文介绍李宏毅2020年机器学习课程的第六次作业，涉及对抗攻击，特别是Fast Gradient Sign Method (FGSM)。作业要求实现FGSM攻击，对比黑盒和白盒攻击，并探讨对抗样本的生成。通过攻击预训练的神经网络模型，分析不同模型的易受攻击性，同时尝试防御方法，如高斯滤波，以降低模型的误判率。

本文仍在更新中
更多作业，请查看 李宏毅2020机器学习资料汇总

文章目录



0 作业链接

直接在李宏毅课程主页可以找到作业：

如果你打不开colab，下方是搬运的jupyter notebook文件和助教的说明ppt：


1 作业说明

环境

  • jupyter notebook
  • python3
  • pytorch-gpu

任务说明

本次任务给你一些图像和它们的标签，用一个预训练的神经网络模型来分类图像，并用对抗攻击算法来攻击分类模型。

本次任务需要完成以下几个目标：

任务一： Fast Gradient Sign Method (FGSM)

  1. 随
了解本专栏 订阅专栏 解锁全文 超级会员免费看
李宏毅2020机器学习作业2——Classification
01-21
开始之前声明：本文参考了李宏毅机器学习作业说明（需翻墙），基本上是将代码复现了一遍，说明中用的是google colab（由谷歌提供的免费的云平台），我用的是Jupyter Notebook 本文用到的资料在百度网盘自取点击下载，提取码：zdth。请将所需资料下载解压，确保资料中有6个文件，并保存到自己的目录当中。 【博主的环境：Anaconda3+Jupyter Notebook，python3.6.8】 作业要求：根据收集来的资料，判断每个人其年收入是否高于50000美元，用Logistic regression和Generative model两种方法来实现 1.Logistic
李宏毅 机器学习 课程作业代码
08-17
李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码
LHY_DL_homework_2020:李宏毅2020深度学习作业
05-21
LHY_DL_homework 李宏毅老师2020深度学习课后作业 数据： 提取码:6159 PS: hw7, hw8, hw13, hw14这四次的代码比较复杂
李宏毅作业六 Adversarial Attack对抗攻击
闲看庭前雪的博客
10-27 2014
作业六 Adversarial Attack对抗攻击前言一、下载资料并解压缩二、创建环境1.引入库2.读取资料三、载入模型四、运行成果五、生成攻击后的图片总结 前言 作业里，不仅有原始注释，还有我自己附加的注释，有不对的地方还请大家多多指教 运行环境是cloab python3 一、下载资料并解压缩 # 下載資料 !gdown --id '14CqX3OfY9aUbhGp4OpdSHLvq2321fUB7' --output data.zip # 解壓縮 !unzip -qq -u data.zip
李毅宏的机器学习作业6
qq_45878378的博客
09-25 704
李毅宏的机器学习作业5 作业所需数据 akti 作业参考答案
2021 Adversarial Attack（李宏毅
linyuxi_loretta的博客
11-02 523
今天 Adversarial Attack這麼容易成功这个领域为对抗攻击与防御（Adversarial Attack and Defense），目前攻击是比较容易的而防御比较困难。在将神经网络模型应用于实际场景时，它仅仅拥有较高的正确率是不够的，还希望它能够应对来自外界的“恶意”，特别是在垃圾邮件分类、恶意软件检测、网络入侵检测等任务中，那些负类样本也会想尽办法来“欺骗”模型，使模型无法辨别出它为负类。因此我们希望我们的模型能够拥有应对这种攻击的能力。
李宏毅机器学习作业10——Adversarial Attack，FGSM，IFGSM
iwill323的博客
11-25 5252
李宏毅机器学习作业10——Adversarial Attack FGSM I-FGSM MI-FGSM Diverse Input (DIM)
FGSM（Fast Gradient Sign Method）算法源码解析
Sankkl1的博客
10-28 1238
可以仔细回忆一下，在神经网络的反向传播当中，我们在训练过程时就是沿着梯度下降的方向来更新更新。之间是近似线性的，但是这个线性假设不一定正确，如果J JJ和x xx不是线性的，那么在。是将克隆的新的tensor从当前计算图中分离下来，作为叶节点，从而可以计算其梯度；于是，有学者就提出迭代的方式来找各个像素点的扰动，也就是BIM算法。，得到的“扰动”加在原来的输入 上就得到了在FGSM攻击下的样本。中大于1的部分设为1，小于0的部分设为0，防止越界。：获得图像的在模型中的输出值。对输入的导数，然后用符号函数。
李宏毅2020机器学习作业——Linear Regression
weixin_46083562的博客
07-26 1460
李宏毅2020机器学习作业——Linear Regression 一、问题描述 ​ 1. 数据描述 ​ 本次作业采用的数据是使用台湾某一座城市的观测记录，分别为train.csv,test.csv，其中train.csv 共有4320行, 27列，包含了该地点18种化合物一年12个月，每月钱20天，每天24小时的数值监控，test.csv则是从剩下资料当中取出的连续10小时为一组，前九个小时的观测值当做特征，第十小时的pm2.5当做answer,一共取出240组不重复的数据 2. 问题要求 ​ 预测t
台大李宏毅机器学习 2020作业（一）：手写线性回归，实现多因素作用下的PM2.5预测
意疏的学习笔记
03-24 4900
前言
【Adversarial Attack in Object Detection】物理对抗攻击和防御
prinTao的博客
06-21 4883
在计算机视觉中，根据实现领域，对抗性攻击可以分为数字攻击和物理攻击。数字攻击是指在摄像头成像之后对数字像素进行攻击，物理攻击是指在摄像头成像之前对物理对象进行攻击。虽然数字攻击（如 PGD [ madry2017towards ]、 MI-FGSM [ dong2018boosting ]、 C&W [ carlini2017towards ]和 Deepfool [ moosavi2016deepfool ]等）对 DNN 模型表现良好，但它们很难在现实世界中实施。因为数字扰动通常是全局的和不显眼的，很难
李宏毅2022机器学习HW6解析
weixin_42369818的博客
04-16 7175
李宏毅2022机器学习HW6解析！
Lhy_Machine_Learning：李宏毅2021Spring机器学习课程课件及作业
03-03
Lhy_Machine_Learning 李宏毅2021Spring机器学习课程课件及作业 B站视频地址： : 课程主页： : 不定期分享读研干货，点赞关注一起进步： ://space.bilibili.com/46880349 人工智能技术探讨群：78174903 第一节简介作业HW1：回归 第二节深度学习作业HW2：分类 第三节自我注意作业HW3：CNN HW4：自我注意 第四节机器学习理论 第五节变压器作业HW5：变压器 第六节生成模型作业HW6：GAN 第七节自我监督学习作业HW7：BERT HW8：自动编码器 第八节可解释的AI /对抗攻击作业HW9：可解释的AI HW10：对抗攻击 第九节域适应/ RL作业HW11：适应 第十节RL作业HW12：RL 第十篇隐私与ML 第十二节Quantum ML 第十三节Life / Long / Compression作业HW1
李宏毅机器学习作业6-使用GAN生成动漫人物脸
iwill323的博客
11-17 3193
使用GAN生成动漫人物脸
李宏毅《机器学习》课程笔记（作业六：对抗攻击）
如花美眷，似水流年~
05-12 863
为了将机器学习在实际生活中应用上，需要考虑一些恶意攻击。 无目标攻击：攻击的时候，固定模型参数，希望调整输入数据，使得效果越差越好 有目标攻击：不仅跟原来的答案越远越好，而且要跟希望的错误答案越接近越好 限制是我们输入的攻击的数据跟正常的数据非常接近。 那么怎么找输入数据呢？还是用梯度下降。考虑距离限制以后需要一个修改版的梯度下降，每次做了梯度下降以后判断是否符合距离条件，如果不符合等比例缩小就可以了。 FGSM是一种很简单的方法，直接对输入数据x做梯度下降，然后对每一个维度取梯度的signal作
[论文笔记]Rob-GAN: Generator, Discriminator, and Adversarial Attacker(CVPR 2019)
Invokar的博客
08-08 2216
Rob-GAN: Generator, Discriminator, and Adversarial Attacker(CVPR 2019) 文章简介: 本文主要是将adversarial attack加入到GAN的训练过程中，来提升训练收敛的速度以及获得更好的生成器。 DataSet: CIFAR-10, ImageNet data(subset) Key insights： 如...
李宏毅机器学习2020春季作业二hw2（1）
qq_46126258的博客
01-25 2643
文章目录作业介绍一、logistic regression1、Preparing data2、Some Useful Functions3、Functions about gradient and loss4、Training5、Plotting Loss and accuracy curve6、Predicting testing labels二、Porbabilistic generative model1、Preparing Data1、Mean and Covariance2、Computing w
Machine Learining（李宏毅2020） —— hw01
David_B的博客
04-25 813
Machine Learining —— hw01 1、hw01作业理解 作业数据给：数据集和测试集 大概内容是数据集中记录了12个月的前20天的24小时的18个数据，测试集是从剩余的数据中再取的 CSV文件，包括台湾丰原地区240天（12x20）的气象观测资料（取每个月前20天的数据做训练集，每个月后10天数据用作测试，学生不可见） 每天的监测时间点为0时、1时、2时、…、23时，共24个小时 每天检测的指标包括CO、NO、PM2.5、PM10等气体信息，以及是否降雨、刮风等气象信息，共计18项 模
【机器学习】李宏毅——Adversarial Attack（对抗攻击）
FavoriteStar的博客
09-21 7532
本文主要介绍了Adversarial Attack（对抗攻击）当前的研究现状，包括如何攻击、攻击的类别，以及原始模型如何进行防御等相关知识点。
Python图片压缩方法全解：从入门到进阶
最新发布
得塔云的博客
06-19 285
本文总结了Python中六种主流的图片压缩方法：1）Pillow作为通用首选，支持质量调整、尺寸缩放和格式转换；2）TinyPNG API提供最高压缩率但有限额；3）WebP格式在保持画质下体积最小；4）PyVips适合大图处理，内存占用低；5）OpenCV针对视频帧和实时流优化；6）K-means聚类实现算法级色彩压缩。文章通过对比表格和决策树，建议根据场景需求选择工具，日常使用Pillow即可满足大多数需求，并附赠了一个可直接使用的批量压缩脚本。
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

iteapoy

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值