基于手写数字识别的FGSM

Fast Gradient Sign Attack(FGSM)

Fast Gradient Sign Attack（FGSM）用于生成对抗样本

算法原理参考：https://blog.csdn.net/ilalaaa/article/details/105963778

在现实生活中，往往改动一小部分数据将会对model的结果产生巨大的影响，那么我们需要将这种微小的变化考虑进model中，增强model的泛化能力。我们可以自主生成对抗样本，让model基于对抗样本和训练样本学习。

代码解释参考：https://blog.csdn.net/hg_zhh/article/details/100155785

github源码主要实现利用FGSM生成对抗样本，比较在不同ε下FGSM的攻击效果，最后绘图呈现结果。

github地址：https://github.com/fanjiarong2343/CNN_FGSM

关键代码
CNN神经网络构建：

class Net(nn.Module):def __init__(self, num_classes=10):super(Net, self).__init__()self.layer1 = nn.Sequential(nn.Conv2d(1, 16, kernel_size=5, stride=1, padding=2),nn.BatchNorm2d(16),  # https://blog.csdn.net/bigFatCat_Tom/article/details/91619977 卷积层之后添加BatchNorm2d进行数据的归一化处理,这使得数据在进行Relu之前不会因为数据过大而导致网络性能的不稳定nn.ReLU(),nn.MaxPool2d(kernel_size=2, stride=2))self.layer2 = nn.Sequential(nn.Conv2d(16, 32, kernel_size=5, stride=1, padding=2),nn.BatchNorm2d(32),nn.ReLU(),nn.MaxPool2d(kernel_size=2, stride=2))self.fc = nn.Linear(7 * 7 * 32, num_classes)def forward(self, x):out = self.layer1(x)out = self.layer2(out)out = out.reshape(out.size(0), -1)out = self.fc(out)return F.log_softmax(out, dim=1)  # https://blog.csdn.net/qq_28418387/article/details/95918829

FGSM算法：

def fgsm_attack(image, epsilon, data_grad):"""获取扰动图片:param image: 原始图片:param epsilon: 扰动量:param data_grad: 损失梯度:return:"""sign_data_grad = data_grad.sign()  # 获取梯度的符号perturbed_image = image + epsilon * sign_data_gradperturbed_image = torch.clamp(perturbed_image, 0, 1)  # 将数值裁剪到0-1的范围内return perturbed_image

结论
Figure_1

Figure_2

Figure_3

基于手写数字识别的FGSM相关推荐

深度学习案例之基于 CNN 的 MNIST 手写数字识别
一.模型结构本文只涉及利用Tensorflow实现CNN的手写数字识别,CNN的内容请参考:卷积神经网络(CNN) MNIST数据集的格式与数据预处理代码input_data.py的讲解请参考 :T ...
开根号的笔算算法图解_机器学习KNN算法之手写数字识别
1.算法简介手写数字识别是KNN算法一个特别经典的实例,其数据源获取方式有两种,一种是来自MNIST数据集,另一种是从UCI欧文大学机器学习存储库中下载,本文基于后者讲解该例. 基本思想就是利用KN ...
经典实战案例：用机器学习 KNN 算法实现手写数字识别 | 原力计划
作者 | 奶糖猫来源 | CSDN 博客,责编 | 夕颜头图 | CSDN 下载自视觉中国出品 | CSDN(ID:CSDNnews) 算法简介手写数字识别是KNN算法一个特别经典的实例,其数 ...
机器学习笔记——从手写数字识别开始
文章目录前言关于这篇博客(预计八月下旬全部完成) 关于项目实现监督学习 ANN全连接神经网络的实现 1.总述 2.初始化 3.传播及损失 4.反向传播决策树以及随机森林的实现 1.总述 2.单 ...
手写数字识别画板前后端实现 | Flask+深度神经网络
1. 系统概要手写数字识别画板系统,按照MVC原则开发,主要由两部分组成:交互界面(视图View)部分是传统的HTML +CSS+JS网页(这同样也是一种遵循MVC开发方式):手写数字识别部分(模型 ...
使用Keras训练Lenet网络来进行手写数字识别
使用Keras训练Lenet网络来进行手写数字识别这篇博客将介绍如何使用Keras训练Lenet网络来进行手写数字识别. LeNet架构是深度学习中的一项开创性工作,演示了如何训练神经网络以端到端的 ...
keras库的安装及使用，以全连接层和手写数字识别MNIST为例
1.什么是keras 什么是keras? keras以TensorFlow和Theano作为后端封装,是一个专门用于深度学习的python模块. 包含了全连接层,卷积层,池化层,循环层,嵌入层等等等, ...
pyTorch入门（六）——实战Android Minist OpenCV手写数字识别（附源码地址）
学更好的别人, 做更好的自己. --<微卡智享> 本文长度为4239字,预计阅读12分钟前言前面几篇文章实现了pyTorch训练模型,然后在Windows平台用C++ OpenCV D ...
CNN学习MNIST实现手写数字识别
CNN的实现我们之前已经实现了卷积层和池化层,现在来组合这些层,搭建进行手写数字识别的CNN. # 初始化权重 self.params = {'W1': weight_init_std * np.r ...
手写数字图片二值化转换为32*32数组。
最近课设外加生病,本来打算在上一篇机器学习使用k-近邻算法改进约会网站的配对效果.就打算写的一直没有时间.按照<机器学习实战>的流程,手写数字识别是kNN中的最后一部分,也是一个比较经典的 ...

基于手写数字识别的FGSM

Fast Gradient Sign Attack(FGSM)

基于手写数字识别的FGSM相关推荐

最新文章

热门文章