ไม่สามารถวิ่ง Carlini และอบแวคเนอร์มาจู่โจมโดยใช้ foolbox บ tensorflow นางแบบ

0

คำถาม

ฉันใช้เวอร์ชั่นล่าสุดของ foolbox(3.3.1)และของฉันรหัสเพียงเรียก RESNET-50 ซีเอ็นเอ็นเลย,เพิ่มบางอย่าเสื้อผ้าหลายชั้นเพื่อย้ายมาเรียนโปรแกรมและความสยบน้ำหนังที่ตามมา

from numpy.core.records import array
import tensorflow as tf
from keras.applications.resnet50 import ResNet50, preprocess_input
from tensorflow.keras.layers import Dense, Dropout, Flatten
from tensorflow.keras.models import Model
from tensorflow.keras.layers import Input
import cv2
import os
import numpy as np
import foolbox as FB
from sklearn.metrics import accuracy_score
from scipy.spatial.distance import cityblock
from sklearn.metrics import plot_confusion_matrix
from sklearn.metrics import confusion_matrix
from PIL import Image
import foolbox as FB
import math
from foolbox.criteria import Misclassification

#load model
num_classes = 12

#Load model and prepare it for testing
print("Step 1: Load model and weights")
baseModel = ResNet50(weights=None, include_top=False, input_tensor=Input(shape=(224, 224, 3)))
headModel = baseModel.output
headModel = Flatten(name="flatten")(headModel)
headModel = Dense(512, activation="relu")(headModel)
headModel = Dropout(0.5)(headModel)
headModel = Dense(num_classes, activation="softmax")(headModel)
model = Model(inputs=baseModel.input, outputs=headModel)
model.load_weights("RESNET-50/weights/train1-test1.h5")

print("Step 2: prepare testing data")
#features is a set of (1200,10,224,224,3) images
features=np.load("features.npy")
labels=np.load("labels.npy")

ตอนนี้ฉันอยากจะโจมตีมันใช้ foolbox 3.3.1 Carlini และอบแวคเนอร์มาจู่โจมนี่คือวิธีที่ฉันเรียกใช้งานนางแบบสำหรับ foolbox

#Lets test the foolbox model
bounds = (0, 1)
fmodel = fb.TensorFlowModel(model, bounds=bounds)

ของฉันคือวันที่แยกออกไปใน 10 ภาพต่อเอกสารฉันจะโจมตีพวกนี้ 10 ภาพต่างๆโดยใช้การประมวลผลกลุ่มภาพขนาดของ 10 สำหรับ foolbox ใช้ Carlini และอบแวคเนอร์มาจู่โจม

#for each i, I have 10 images
for i in range(0, features.shape[0]):

    print("document "+str(i))

    #Receive current values
    #This is a batch of (10,224,224,3) images
    features_to_test=features[i,:]
    #Get their labels
    labels_to_test=labels[i,:]

    ######################ATTACK IN THE NORMALIZED DOMAIN###########################  
    #lets do the attack
    #We use an interval of epsilons

    epsilons = np.linspace(0.01, 1, num=2)
    attack = fb.attacks.L2CarliniWagnerAttack(fmodel)
    adversarials = attack(features_to_test, labels_to_test, criterion=Misclassification(labels=labels_to_test), epsilons=epsilons)

อย่างไรก็ตามเมื่อไหร่ก็ตามที่ฉันหนีกฎอยู่ที่นี่คือข้อผิดพลาดนั่นคือกลับมาที่ฉัน

Traceback (most recent call last):
File "test_carlini_wagner.py", line 161, in <module>
adversarials = attack(features_to_test, labels_to_test, 
criterion=Misclassification(labels=labels_to_test), epsilons=epsilons)
File "/usr/local/lib/python3.8/dist-packages/foolbox/attacks/base.py", line 410, in 
__call__
xp = self.run(model, x, criterion, early_stop=early_stop, **kwargs)
File "/usr/local/lib/python3.8/dist-packages/foolbox/attacks/carlini_wagner.py", line 100, in run
bounds = model.bounds
AttributeError: 'tensorflow.python.framework.ops.EagerTensor' object has no attribute 
'bounds'

มันคืออะไรควรจะเป็นความผิดพลาด? ฉันกำลังโหลดของฉันนางแบบ wrongly? ฉันควรจะเพิ่มใหม่สำหรับพารามิเตอร์ที่โจมตีเรียกหาฉันเหรอ? เป็นความเดิมตอนที่แล้วกล่าว,ผมกำลังมือขึ้นอย่าง foolbox 3.3.1.

1

คำตอบที่ดีที่สุด

1

ฉันคิดว่าคุณอาจจะเกี่ยวข้องพารามิเตอร์ของ L2CarliniWagnerAttack. นี่เป็นประยุกต์@item text character set ทำงานตัวอย่างกับตัวจำลองข้อมูล:

import tensorflow as tf
import numpy as np

from tensorflow.keras.applications.resnet50 import ResNet50, preprocess_input
from tensorflow.keras.layers import Dense, Dropout, Flatten
from tensorflow.keras.models import Model
from tensorflow.keras.layers import Input
from sklearn.metrics import accuracy_score
from scipy.spatial.distance import cityblock
from sklearn.metrics import plot_confusion_matrix
from sklearn.metrics import confusion_matrix
from foolbox import TensorFlowModel
from foolbox.criteria import Misclassification
from foolbox.attacks import L2CarliniWagnerAttack

num_classes = 12

print("Step 1: Load model and weights")
baseModel = ResNet50(weights=None, include_top=False, input_tensor=Input(shape=(224, 224, 3)))
headModel = baseModel.output
headModel = Flatten(name="flatten")(headModel)
headModel = Dense(512, activation="relu")(headModel)
headModel = Dropout(0.5)(headModel)
headModel = Dense(num_classes, activation="softmax")(headModel)
model = Model(inputs=baseModel.input, outputs=headModel)

bounds = (0, 1)
fmodel = TensorFlowModel(model, bounds=bounds)
images, labels = tf.random.normal((64, 10, 224, 224, 3)), tf.random.uniform((64, 10,), maxval=13, dtype=tf.int32)

for i in range(0, images.shape[0]):

    print("document "+str(i))
    features_to_test=images[i,:]
    labels_to_test=labels[i,:]

    epsilons = np.linspace(0.01, 1, num=2)
    attack = L2CarliniWagnerAttack()
    adversarials = attack(fmodel, features_to_test, criterion=Misclassification(labels_to_test), epsilons=epsilons)
Step 1: Load model and weights
document 0
document 1
document 2
document 3
document 4
document 5
document 6
...
2021-11-23 12:13:46

ขอบคุณสำหรับคำตอบของคุณมันทำงาน! หนึ่งคำถามทำไมเรื่องพวกนี้ถึงวิธีการต้องการ epsilons? มันดูเหมือนที่เข้าไปในมัน implementations ไม่ได้ทำมันโดยปริยาย ขอบคุณอีกครั้ง
mad

ใช่คำถามที่ดี..ที่ docs ดูเหมือนจะค่อนข้างสับสน
AloneTogether

ในภาษาอื่นๆ

หน้านี้อยู่ในภาษาอื่นๆ

Русский
..................................................................................................................
Italiano
..................................................................................................................
Polski
..................................................................................................................
Română
..................................................................................................................
한국어
..................................................................................................................
हिन्दी
..................................................................................................................
Français
..................................................................................................................
Türk
..................................................................................................................
Česk
..................................................................................................................
Português
..................................................................................................................
中文
..................................................................................................................
Español
..................................................................................................................
Slovenský
..................................................................................................................

ดังอยู่ในนี้หมวดหมู่

ดังคำถามอยู่ในนี้หมวดหมู่