开发 | GitHub项目推荐 : 用于对机器学习模型进行对抗性攻击、防御和基准测试的Python库

2018 年 11 月 25 日 AI科技评论
开发 | GitHub项目推荐 : 用于对机器学习模型进行对抗性攻击、防御和基准测试的Python库

CleverHans (最新版本: v3.0.0)

项目地址:

https://github.com/tensorflow/cleverhans

此资料库包含CleverHans的源代码,CleverHans是一个Python库,用于将机器学习系统中的漏洞与对抗性示例进行对比。 您可以在随附的博客上了解有关此类漏洞的更多信息。

CleverHans资料库正在不断发展,并欢迎贡献最新的攻击和防御。 我们尤其欢迎在解决目前悬而未决的问题方面得到帮助。

设置CleverHans

依赖关系

这个库使用TensorFlow来加速许多机器学习模型执行的图形计算。因此,安装TensorFlow是一个前提条件。

你可以在https://www.tensorflow.org/install/找到说明。为了获得更好的性能,还建议在GPU支持下安装TensorFlow(关于如何实现这一点的详细说明可以在TensorFlow安装文档中找到)。

安装TensorFlow将处理所有其他依赖项,比如 numpyscipy

pip安装

如果你使用pip进行安装,在安装完TensorFlow后运行如下命令:

pip install cleverhans

运行命令后将会安装上传到Pypi的最新版本。如果你想安装最前沿的版本,请使用如下命令安装:

pip install git+https://github.com/tensorflow/cleverhans.git#egg=cleverhans

安装用于开发

如果你想对CleverHans进行可编辑的安装,以便开发库并提供更改,首先在GitHub上fork  CleverHans库,然后将fork克隆到你选择的目录中:

git clone https://github.com/tensorflow/cleverhans

然后,您可以在“可编辑”模式下安装本地程序包,以便将其添加到 PYTHONPATH

cd cleverhans
pip install -e ./cleverhans

目前支持的设置

尽管CleverHans可能可以在许多其他配置的机器上工作,但我们目前在Ubuntu 14.04.5 LTS(Trusty Tahr)上使用Python {2.7,3.5}和TensorFlow {1.8,1.12}对其进行了测试。 不推荐使用1.8或之前版本的TensorFlow。 这些版本的向后兼容性包装器可能会在2019-01-26之后删除,在此之后我们将不会修复这些版本的错误。 对TensorFlow 1.3及更早版本的支持已被弃用:我们不修复这些版本的bug,并且这些版本的任何剩余包装代码可能会被删除,恕不另行通知。

获取支持

如果您有支持请求,请在StackOverflow上提出问题,而不是在GitHub问题跟-踪-器中打开问题。 GitHub问题跟-踪-器只用于报告错误或发出功能请求。

贡献

欢迎贡献!为了加快代码审查进度,我们有以下要求:

  • 在CleverHans开发的邮件列表上协调新的工作和功能,邮箱:cleverhans-dev@googlegroups.com。

  • 在为CleverHans做代码贡献时,请在pull请求中遵循  PEP8的两个空格  的编码风格(与TensorFlow使用的相同)。在大多数情况下,可以通过已经编辑的文件上运行autopep8 -i --indent-size 2 <file>来完成操作。通过运行  nosestests cleverhans/devtools/tests/test_format.py 来检查代码,或者通过从CleverHans存储库根目录中运行pylint <file>来检查单个文件。

  • 在进行首次pull请求的时候,请登录Google CLA

    • 由于在维护git子模块的过程中出现了问题,我们不接受添加git子模块的pull请求

    你可以通过github的pull请求启动错误修复。

    作者

    CleverHans库由Ian Goodfellow(Google Brain)和Nicolas Papernot(Google Brain)进行管理和维护。

    作者列表请访问项目地址查看:https://github.com/tensorflow/cleverhans

    Copyright

    版权所有2018 - Google Inc.,OpenAI和宾夕法尼亚州立大学

    点击阅读原文,了解专访机器学习祖师爷 Tom Mitchell:带着理性拥抱机器学习的热潮

    登录查看更多
    0

    相关内容

    Google发布的第二代深度学习系统TensorFlow
    小贴士
    相关资讯
    Github项目推荐 | RecQ - Python推荐系统框架
    AI研习社
    4+阅读 · 2019年1月23日
    精选Top30!最实用的python开源项目都在这里
    乌镇智库
    4+阅读 · 2018年1月26日
    Python 开源项目 Top30 | 值得收藏
    人工智能头条
    8+阅读 · 2018年1月19日
    资源 | GitHub上的五大开源机器学习项目
    机器之心
    7+阅读 · 2017年11月9日
    相关论文
    Liang Chen,Jintang Li,Jiaying Peng,Tao Xie,Zengxu Cao,Kun Xu,Xiangnan He,Zibin Zheng
    20+阅读 · 3月10日
    Deflecting Adversarial Attacks
    Yao Qin,Nicholas Frosst,Colin Raffel,Garrison Cottrell,Geoffrey Hinton
    4+阅读 · 2月18日
    Fang Liu,Guoming Tang,Youhuizi Li,Zhiping Cai,Xingzhou Zhang,Tongqing Zhou
    8+阅读 · 2019年11月7日
    Adversarial Attacks and Defenses in Images, Graphs and Text: A Review
    Han Xu,Yao Ma,Haochen Liu,Debayan Deb,Hui Liu,Jiliang Tang,Anil K. Jain
    11+阅读 · 2019年10月9日
    CapsAttacks: Robust and Imperceptible Adversarial Attacks on Capsule Networks
    Alberto Marchisio,Giorgio Nanfa,Faiq Khalid,Muhammad Abdullah Hanif,Maurizio Martina,Muhammad Shafique
    3+阅读 · 2019年5月24日
    Data Augmentation of Room Classifiers using Generative Adversarial Networks
    Constantinos Papayiannis,Christine Evers,Patrick A. Naylor
    4+阅读 · 2019年1月10日
    Are Generative Classifiers More Robust to Adversarial Attacks?
    Yingzhen Li,John Bradshaw,Yash Sharma
    3+阅读 · 2018年7月9日
    Mustansar Fiaz,Arif Mahmood,Soon Ki Jung
    7+阅读 · 2018年2月14日
    Yeeleng S. Vang,Zhen Chen,Xiaohui Xie
    8+阅读 · 2018年2月3日
    Chaowei Xiao,Bo Li,Jun-Yan Zhu,Warren He,Mingyan Liu,Dawn Song
    8+阅读 · 2018年1月15日
    Top