【源码】基于PythonPyTorch框架的对抗样本防御与模型评估系统

项目简介

本项目是基于Python和PyTorch框架构建的对抗样本防御与模型评估系统。运用Fast Gradient Sign Method (FGSM)和Projected Gradient Descent (PGD)生成对抗样本，采用Triplet Network结合Ensemble Defense方法增强模型在对抗样本攻击下的鲁棒性，旨在评估和提升模型在CIFAR10数据集上的防御能力。

项目的主要特性和功能

1. 可使用FGSM和PGD方法生成对抗样本，以此测试模型在攻击下的性能。
2. 经过多阶段训练与评估，生成并测试原始模型、对抗训练模型以及增强对抗训练模型。
3. 借助Triplet Network结合多个模型的预测结果，提升模型整体性能和鲁棒性。
4. 提供训练过程中的损失和准确率曲线，便于用户直观了解模型训练效果。

安装使用步骤

环境准备

确保已安装Python和PyTorch，且已下载本项目的源码文件。

数据准备

创建必要文件夹存储数据集和模型权重，包括data、data_adv、data_adv_adv、data_model、data_model_adv和data_model_f3。

运行项目

1. 运行0_Learning目录下的1_train.py和2_acc.py，生成并保存原始模型的权重。
2. 使用生成的模型权重运行1_Adversary目录下的0_generate.py，生成对抗样本并保存。
3. 使用对抗样本运行2_Advertraining目录下的0_train.py，生成对抗训练模型并保存。
4. 再次使用对抗训练模型生成更强的对抗样本，并运行3_train_f3目录下的0_train.py，生成增强对抗训练模型。
5. 最后，使用原始模型、对抗训练模型和增强对抗训练模型组成Triplet Network进行联合决策。

结果评估

通过运行相应的评估脚本，查看模型在原始数据和对抗样本上的准确率。

下载地址

点击下载 【提取码: 4003】【解压密码: www.makuang.net】