问题标签 [cleverhans]

我正在尝试安装cleverhans（https://github.com/tensorflow/cleverhans）

我正在运行以下命令

!pip install -q -e git+http://github.com/tensorflow/cleverhans.git#egg=cleverhans

但是，当我尝试这样做时，import cleverhans我收到一条错误消息，指出没有这样的模块。

PS 如果我尝试在本地机器上安装模块，源存储在~/.src/cleverhans.

我正在尝试攻击我的随机森林分类器。

在这个定义之后，我做了我的预测，然后我做了下面的代码：

在 --> 10 adv_x = fgsm.generate_np(X_test, **fgsm_params)我得到一个属性错误。

AttributeError：“RandomForestClassifier”对象没有属性“图层”

我的意思是，我的分类器没有层，但我怎么能做这个 fgsm 攻击呢？有没有办法将随机森林分类器添加到顺序模型以具有层？还是有其他攻击方式？

我对这些东西很陌生，并试图用黑盒 FGSM 攻击随机森林（来自聪明的汉斯）

但我不确定如何实现它。他们有Mnist 数据的黑盒示例，但我不明白我应该把随机森林放在哪里以及应该在哪里攻击。任何帮助，将不胜感激。

我想要一个代码示例来说明如何从聪明的 hans 的对抗性攻击中生成训练数据。

这会生成对抗性 x 数据，但我怎样才能得到 y？

这会给出“上当”的结果，对吗？

我想要的是正确显示生成的 x、y、被愚弄的 y（我的意思是模型预测的结果可能由于攻击而错误）。顺便说一句，我正在使用 Mnist，如果有帮助的话。

我在播放Cleverhans Library中作为示例给出的以下代码时遇到问题：

问题在第 18 行。播放时会出现导入错误：

我试图在帮助中查看，那里也没有列出任何标志功能。

这应该通过简单地导入模块并且不给出错误来工作。

我使用https://github.com/tensorflow/cleverhans生成对抗图像，但没有提供攻击算法的类别。

这里列出了所有的攻击算法代码：https ://github.com/tensorflow/cleverhans/tree/master/cleverhans/attacks

我不知道这些攻击算法中哪个是灰盒攻击，哪个是白色或黑色攻击算法？

因为我需要算法的范畴来研究攻防算法。github页面没有提供任何关于此的信息。我应该怎么知道？

我正在尝试从https://arxiv.org/abs/1602.02697复制结果，但在黑盒教程 https://github.com/tensorflow/cleverhans/blob/master/cleverhans_tutorials/mnist_blackbox 之后使用图像大小为 224x224x3 。 py

但是，我遇到了内存消耗错误（粘贴在下面）。在我看来，雅可比数据集扩充可能是源问题： https ://github.com/tensorflow/cleverhans/blob/master/cleverhans/utils_tf.py#L657

但是，我不知道如何检查。

我在 8GB GPU 上运行代码。

难道这种方法不能处理更大的图像？我怎样才能解决这个问题？该方法的复杂性是什么？

我正在使用其他人创建的预训练模型，他们只发布了模型权重。目前我正在将模型权重导入我的图表并通过张量名称调用它们。但是，这似乎与cleverhans 的代码不兼容，该代码似乎需要具有方法predict 的模型对象。

是否有任何解决方法不需要我重写大多数cleverhans 攻击，因为我没有模型类和预测方法？

当我尝试从 github.com/behzadanksu/rl-attack 运行时

python train.py --env Breakout --noisy --save-dir ./data/Breakout/ --attack fgsm --num-steps 20 --attack-prob 1.0

从cleverhans 库中，我收到以下错误。我怎样才能避免它？

NotImplementedError：必须实现get_logits或必须定义 logits 输出fprop

如何在自己的图像分类数据集上对抗性地训练 googlenet 模型？

例如：使用cleverhans库，可以批量运行攻击的数据是MNIST和CIFAR。

我使用 Tensorflow 用我自己的数据（Googlenet）训练了一个图像分类器，现在我想用对抗样本训练模型。我可以用cleverhans 库做的任何想法。谢谢。