- 实验环境记录在env.txt中
pip install -r env.txt
- 训练模型相关代码在train文件夹中
- 生成模型
python -vgg19
- 在utils文件中可以修改训练数据(cifar10/cifar100)
- 生成对抗样本相关代码在adv文件夹中
- 生成BIM对抗样本
修改76行代码为
adv = attack(x, y_list)
修改最后一行代码为generate_adv_sample('cifar10', 'bim')
- 生成JSMA对抗样本
修改76行代码为
adv = attack(x, y_list,theta=2)
修改最后一行代码为generate_adv_sample('cifar10', 'jsma')
- 生成CW对抗样本
修改76行代码为
adv = attack(x, y_list,confidence=20)
修改最后一行代码为generate_adv_sample('cifar10', 'cw')
- 将
cifar10
修改为cifar100
,修改模型链接及训练数据即可生成cifar100 VGG19的对抗样本
- 进行测试用例排序相关代码在sa文件夹中
- 生成cifar10的LSA排序
python run.py -lsa -d cifar -num_classes 10
- 生成cifar100 的DSA排序
修改数据集及模型链接
python run.py -dsa -d cifar -num_classes 100
- 进行模型微调的相关代码在finetune文件夹中
- 根据不同数据集排序结果修改
finetune_on_combine.py
中的list,并修改模型及数据集 - 运行代码
python finetune_on_combine.py
实验结果及中间结果点此下载