神經(jīng)網(wǎng)絡(luò)驚人的脆弱性和靈活性

對抗攻擊通常會使得神經(jīng)網(wǎng)絡(luò)分類錯誤，但谷歌大腦團隊的Ian Goodfellow 等人的新研究提出一個更加復(fù)雜的攻擊目標(biāo)：對神經(jīng)網(wǎng)絡(luò)重新編程，誘導(dǎo)模型執(zhí)行攻擊者選定的新任務(wù)。該研究首次表明了神經(jīng)網(wǎng)絡(luò)驚人的脆弱性和靈活性。

對抗樣本（adversarial examples）的研究一般是為了預(yù)防攻擊者通過對模型的輸入進行微小的修改，從而導(dǎo)致模型的預(yù)測產(chǎn)生偏差。這樣的攻擊者可能通過一張貼紙（一個小的擾動）就讓無人駕駛汽車對停車標(biāo)志產(chǎn)生反應(yīng)，或者通過精巧地修改損害情況的照片（一個小的擾動）導(dǎo)致保險公司的損失模型高估了事故的賠償值?？紤]到這些，研究人員們提出了很多方法來構(gòu)建以及抵抗這種對抗性攻擊（adversrial attacks）。

迄今為止，大多數(shù)的對抗性攻擊主要由無目標(biāo)攻擊（untargeted attacks）和有目標(biāo)攻擊（targeted attacks）組成。無目標(biāo)攻擊旨在降低模型的性能，但不一定需要產(chǎn)生一個特定的輸出；而有目標(biāo)攻擊旨在對模型設(shè)計一個對抗性干擾的輸入，從而產(chǎn)生一個特定的輸出。例如，對一個分類器的攻擊可能是為了針對每張圖像得到特定的輸出類別，或者，對一個強化學(xué)習(xí)智能體的攻擊可能是為了誘導(dǎo)該智能體進入一個特定的狀態(tài)。

近日，谷歌大腦的 Gamaleldin F. Elsayed、Ian Goodfellow 和 Jascha Sohl-Dickstein 等人的新研究考慮了一個更加復(fù)雜的攻擊目標(biāo)：在不需要攻擊者計算特定期望輸出的情況下，誘導(dǎo)模型執(zhí)行攻擊者選定的一個任務(wù)。

對抗性重編程

考慮一個訓(xùn)練用來執(zhí)行一些原始任務(wù)的模型：對于輸入，它將產(chǎn)生輸出?？紤]一個敵人（adversary），它希望執(zhí)行一個對抗的任務(wù)：對于輸入(不一定和x在同一個域)，敵人希望計算一個函數(shù)。我們證明敵人可以通過學(xué)習(xí)對抗性重編程函數(shù)（ adversarial reprogramming? functions）和來實現(xiàn)這一點，這兩個函數(shù)是兩個任務(wù)之間的映射。這里，hf 將來自x?的域的輸入轉(zhuǎn)換成的域。

在這項工作中，為了簡單起見，并且為了獲得高度可解釋的結(jié)果，我們將定義為小圖像（small images），g是處理小圖形的函數(shù)，只包括在大圖像的中心繪制,在邊框中繪制θ，而只是輸出類標(biāo)簽之間的硬編碼映射。?

然而，這個想法更具通用性；可以是在兩個任務(wù)的輸入（輸出）格式之間轉(zhuǎn)換的任何一致性轉(zhuǎn)換，并使模型執(zhí)行對抗性任務(wù)。

我們指的是一類攻擊，在這種攻擊中，機器學(xué)習(xí)算法被重新用于執(zhí)行一項新的任務(wù)，即對抗性重編程（adversarial reprogramming）。我們將θ稱為對抗程序（ adversarial program）。與以往大多數(shù)對抗樣本的研究相比，這種擾動的幅度不需要受到限制。這種攻擊不需要使人類察覺不到，或是需要很微妙才被認(rèn)為是成功的。對抗性重編程的潛在后果包括：從公共服務(wù)中竊取計算資源，或?qū)?a href="http://www.ttokpm.com/tags/ai/" target="_blank">AI驅(qū)動的助理改造成間諜機器人或垃圾郵件機器人。

在這篇文章中，我們介紹了對抗性重編程的第一個實例。我們提出一種設(shè)計對抗程序的訓(xùn)練過程，對抗程序?qū)?dǎo)致神經(jīng)網(wǎng)絡(luò)執(zhí)行新的任務(wù)。在實驗部分，我們演示了針對用于ImageNet數(shù)據(jù)分類的幾個卷積神經(jīng)網(wǎng)絡(luò)的對抗程序。這些對抗程序?qū)⒕W(wǎng)絡(luò)的功能從ImageNet分類改變成：對圖像中的方塊進行計數(shù)；對MNIST的數(shù)字進行分類，對CIFAR-10圖像進行分類。我們還研究了訓(xùn)練好的和未訓(xùn)練的網(wǎng)絡(luò)對對抗性重編程的易感性。

方法

我們提出的攻擊場景如下：當(dāng)執(zhí)行一個特定任務(wù)時，敵人已經(jīng)獲取了神經(jīng)網(wǎng)絡(luò)的參數(shù)，并希望通過使用一個可以加入到網(wǎng)絡(luò)輸入中的攻擊程序來操縱網(wǎng)絡(luò)的函數(shù)，以此來執(zhí)行一個新的任務(wù)。在這里，我們假設(shè)原始的網(wǎng)絡(luò)是用來執(zhí)行ImageNet分類的，但是本文討論的方法是具有可擴展性的。

我們的對抗性程序?qū)⒆鳛榫W(wǎng)絡(luò)輸入的附加貢獻。值得注意的是，不像其他大多數(shù)對抗性干擾，我們的對抗性程序并不針對單一的圖像。同樣的對抗性程序?qū)?yīng)用到所有的圖像中。我們將對抗性程序定義為：

其中，是將要學(xué)到的對抗性程序的參數(shù)，n是ImageNet圖像的寬度，M是一個masking矩陣。值得注意的是，M并不是必需的。

讓作為我們所希望應(yīng)用到對抗性任務(wù)中數(shù)據(jù)集的一個樣本，其中。那么相應(yīng)的對抗性圖像可表示為：

給定一個輸入圖像，使，它是將對抗性任務(wù)中的一個標(biāo)簽映射到一個ImageNet標(biāo)簽集合。至此，我們對抗性的目標(biāo)就是將概率最大化。于是，我們將優(yōu)化問題設(shè)置為：?

實驗結(jié)果

1. 計算圖像中的方格數(shù)

首先從簡單的對抗性任務(wù)開始，即計算圖像中的方格數(shù)。結(jié)果如圖所示：

圖1：對抗性重編程的說明。

（a）將ImageNet標(biāo)簽映射到對抗性任務(wù)的標(biāo)簽（圖像中的方塊）。

（b）對抗性任務(wù)中的圖像（左側(cè)）是嵌入在一個對抗性問題中的（中間），產(chǎn)生對抗性圖像（右側(cè)）。

（c）利用對抗性圖像進行推測的說明。

2. MNIST分類

圖2：為MNIST分類進行對抗性編程的例子。

對抗性程序?qū)е?個ImageNet模型轉(zhuǎn)而用作MNIST分類器。

3. CIFAR-10分類

圖3：CIFAR-10分類中對抗性圖像的例子（圖注）

對抗性程序重新利用一個Inception V3 模型作為CIFAR-10分類器的替代函數(shù)。

表：訓(xùn)練好的ImageNet分類器可以對抗性地再編程來執(zhí)行多種任務(wù)

4. 再次編程未訓(xùn)練以及對抗性訓(xùn)練過的網(wǎng)絡(luò)

圖4：對抗性程序不論在網(wǎng)絡(luò)還是任務(wù)中都表現(xiàn)出質(zhì)的相似性和不同性。

（a）頂部：將在ImageNet上預(yù)訓(xùn)練的網(wǎng)絡(luò)重新利用來計算圖像中方塊數(shù)量的對抗性程序。

中部：將在ImageNet上預(yù)訓(xùn)練的網(wǎng)絡(luò)作為MNIST分類器函數(shù)的對抗性程序。

底部：對抗性程序?qū)⑾嗤木W(wǎng)絡(luò)作為CIFAR-10分類器。

（b）針對具有隨機初始化參數(shù)的重組網(wǎng)絡(luò)，對抗性程序?qū)⑵渥鳛镸NIST分類器。