3. 加固防御模型调用说明¶

平台已给出加固模型功能的集成调用文件，集成调用文件路径如下：

~/AISafety/test/test_defense.py

下面将就Cifar-10数据集，给出一个完整的调用接口说明

3.1. 加固防御模型调用参数说明¶

test_defense.py文件中，主要逻辑代码如下：

if __name__ == '__main__':
    parser = argparse.ArgumentParser(description='The Defense Model Generation')
    # common arguments
    # 用户所选用的加固算法缩写
    parser.add_argument(
        '--defense_method',
        type=str,
        nargs='*',
        default = "RAND")
    # 用户使用的数据集路径
    parser.add_argument(
        '--Data_path',
        type=str,
        nargs='*',
        default=["../Datasets/CIFAR_cln_data/cifar10_300_origin_inputs.npy",
                 "../Datasets/CIFAR_cln_data/cifar10_300_origin_labels.npy",
                 "../Datasets/CIFAR_cln_data/cifar10_300_origin_inputs.npy",
                 "../Datasets/CIFAR_cln_data/cifar10_300_origin_labels.npy" ])
    # 用户使用的数据集对应的字典文件
    parser.add_argument(
        '--Dict_path',
        type=str,
        default="./dict_lists/cifar10_dict.txt")
    # 用户使用的模型文件
    parser.add_argument(
        '--model',
        type=str,
        default ='Models.UserModel.ResNet2')
    # 执行攻击过程的batch_size大小
    parser.add_argument(
        '--batch_size', type=int, default=64, help='batch size')
    # arguments for the particular attack
    parser.add_argument(
        '--Scale_ImageSize',
        type=int,
        default=(32,32))
    parser.add_argument(
        '--Crop_ImageSize',
        type=int,
        default=(32,32))
    # 防御后结果文件存储路径
    parser.add_argument(
        '--Enhanced_model_save_path',
        type=str,
        default="./defense/")
    parser.add_argument(
        '--config_defense_param_xml_dir',
        type=str,
        default="./defense/EAT/EAT.xml")
    parser.add_argument(
        '--optim_config_dir',
        type=str,
        default="./defense/EAT/EAT_optim.xml")
    parser.add_argument(
        '--config_model_dir_path',
        type=str,
        default="./defense/EAT/EAT_model.xml")
    parser.add_argument(
        '--data_type',
        type=str,
        default='CIFAR10')
    # GPU设置
    parser.add_argument(
        '--GPU_Config',
        type=str,
        # 数目，index设置
        default=["2","0,1"])
    arguments = parser.parse_args()
    main(args=arguments)

其中涉及到的主要参数及说明如下：

defense_method¶

该参数为防御算法的名称。目前已集成的防御算法为EAT，NAT，OAT，PAT以及RAND。详细说明请见防御算法具体说明一章。

Data_path¶

共包含四个参数位，分别表示：

样本的数据集文件（白盒攻击下是原始样本，黑盒攻击下是攻击后的攻击样本）
对应的标签的文件（非目标攻击下是groundtruth，目标攻击下是攻击目标类别）
原始样本的数据集文件
对应的groundtruth标签文件

Dict_path¶

对应的数据集的分类类别号码和类别名称的编号 default=“./dict_lists/cifar10_dict.txt”

model¶

用户打算使用的加固防御网络模型

batch_size¶

default =64，读入数据每次批量处理的数目

Enhanced_model_save_path¶

设置用来保存防御模型的路径，同时，设置相应的配置参数文件的位置

config_defense_param_xml_dir¶

用来设置防御方法的内部参数的配置文件，以EAT加固算法配套的EAT.xml文件为例：

<method type='EAT'>
    <param title='dataset'>
        <dataset>CIFAR10</dataset>
    </param>

    <param title='epsilon'>
        <epsilon>0.6</epsilon>
    </param>

    <param title='train_externals'>
        <train_externals>False</train_externals>
    </param>
</method>

config_model_dir_path¶

用来设置加固防御用的模型的内部参数的配置文件，以EAT加固算法配套的EAT_model.xml文件为例：

<method type='ANP_VGG16'>
    <param title='batch_size'>
        <batch_size>64</batch_size>
    </param>

    <param title='enable_lat'>
        <enable_lat>False</enable_lat>
    </param>
</method>

optim_config_dir¶

用来设置训练加固防御用的模型的优化器的配置文件，以EAT加固算法配套的EAT_optim.xml文件为例：

<method type='EAT'>
    <param title='optimizer'>
        <optimizer>optim. Adam(model.parameters(), lr=1e-2)</optimizer>
    </param>

    <param title='scheduler'>
        <scheduler>optim. lr_scheduler.StepLR(optimizer, 40, gamma=0.1)</scheduler>
    </param>
</method>

这里因为优化器的函数比较多，用户需要写成字符串的表达式方式，进入计算的时候会用eval()函数调用该方法和设置的值

data_type¶

数据集类型，目前平台共支持以下三种：

CIFAR-10：default=“cifar10”
ImageNet：[‘ImageNet’, “withoutNormalize”]
ImageCustom

数据集的类型，目前是三种，根据实际注明类型，以方便预处理过程，另外使用ImageNet类型相似的数据一般不是原始的ImageNet数据集，选用[‘ImageNet’, “withoutNormalize”]时候，不对图像做归一化，用户自行预处理

Scale_ImageSize¶

default=（32,32）（224,224）

cifar10，cifar100 默认到32,ImageNet推荐归一化到224X224。剩下的用户可以自定义，放缩到多少后再裁减

Crop_ImageSize¶

default=（32,32）（224,224）

用户定义好的尺寸的缩放后，再裁减的后的尺寸

GPU_Config¶

default=[“2”,“0,1”]

第一个表示，GPU的数目，第二个表示可以使用的GPU的编号。目前支持，在判断和实际设备中信息一致的设备中任意选取一个使用

3.2. 加固防御模型调用运行说明¶

以CIFAR-10数据集在ResNet2模型上进行加固为例：

执行过程¶

参照该文档前述的加固模型调用参数说明，修改对应参数内容，使用Python语言，执行对应加固训练过程。

python test_defense.py

防御结果¶

防御算法使用的是NAT，结果将会被保存在

~/AISafety/test/defense/NAT/CIFAR10_NAT_enhanced.pt

使用攻击算法FGSM执行测试，首先测试原始的resnet20_cifar.pt模型参数文件，得到攻击后准确率为0.1024 再对CIFAR10_NAT_enhanced.pt参数文件进行测试，得到攻击后准确率为0.2464 可以看出，加固后的网络对对抗样本的攻击防御有一部分上升