Google驚人研究:一組圖片,就能強迫神經網路執行其他任務
來自專欄量子位236 人贊了文章
夏乙 發自 凹非寺
量子位 出品 | 公眾號 QbitAI
還記得那些把熊貓認成猩猩、把烏龜認成槍、把槍認成直升機的演算法嗎?
它們遭遇的,是一個名為「對抗攻擊(adversarial attacks)」的敵人。這個敵人每次出現,都能讓圖像識別演算法不知所措。
現在,更喪心病狂的來了。
谷歌大腦三位研究員Gamaleldin F. Elsayed、Ian Goodfellow、Jascha Sohl-Dickstein的最新論文展示了一種新型對抗攻擊手段,AI前所未遇的強大敵人。
他們說,對抗攻擊不僅能讓圖像識別模型認錯圖,還能對被攻擊模型進行重新編程,讓它們拋棄本職任務,去干一些由攻擊者指定的,別的事情。他們將這種偷天換日指派的事情稱為「對抗任務」。
就算是模型根本沒有這種技能,也沒關係。所需要的,僅僅是在測試圖像上加入一些對抗擾動信息。
比如說,讓ImageNet分類器改行去數方塊。
實現的過程並不複雜,總共分三步。
首先,要在ImageNet標籤和對抗任務標籤之間建立映射。在這個例子里,就是將ImageNet的類別,映射到方塊的數量,鯉魚是1個方塊,金魚是2個方塊,白鯊是3個方塊……
映射建立好之後,就要把表示對抗任務的圖片嵌入到一個對抗程序圖片的正中間,得到用來攻擊神經網路的對抗圖片。
接下來,就該讓對抗圖片和目標模型見面了。
二者見面之後,目標模型就放棄了原本的圖像識別任務,只會數圖上究竟有幾個方塊。
重新分配的任務也可以比數方塊複雜一點,比如說,讓ImageNet分類器以為自己是個只會識別手寫數字的MNIST分類器。
用來實現這個任務的對抗圖片,就長成上圖的樣子。
同樣的方法,還可以讓ImageNet分類器變成CIFAR-10分類器。
慘遭他們毒手的,有六個ImageNet圖像識別模型,包括三種Inception變體和3種Resnet變體。
還好還好,沒讓神經網路去幹什麼驚世駭俗的事兒。
但是要知道,這項研究才剛剛起步,以後會發展到什麼程度,誰也不好說……畢竟,以前並沒有人給神經網路挖過這樣的陷阱。
Elsayed等人在論文中也說,這些結果首次展示了這類攻擊的可能性。
這一研究的三個作者,全部來自Google Brain團隊。
其中第一作者Gamaleldin F. Elsayed,去年從哥倫比亞大學獲得博士學位。目前,他其實是一位Google AI Residency成員,也就是相當於實習或者訪學的身份。
第二作者Ian Goodfellow,大名鼎鼎。通常也被稱作生成對抗網路(GANs)之父,人工智慧領域的大牛。早年間,他致力於教神經網路造假騙人;現在,他的大部分研究集中在對抗攻擊領域,專註於欺負神經網路。
第三作者Jascha Sohl-Dickstein,2012年在伯克利獲得博士學位。加入Google之前曾在斯坦福做訪問學者。
Jascha把他們的這個研究發到了Twitter上,立刻引發了大量用戶的轉載。不過留言評論的目前只有一個人。
那個人問:你們什麼時候發布源代碼?謝。
……
論文
更多詳情,請看他們的論文:
Adversarial Reprogramming of Neural Networks
Gamaleldin F. Elsayed, Ian Goodfellow, Jascha Sohl-Dicksteinhttps://arxiv.org/abs/1806.11146
當然,如果你想直接下載pdf版本,也可以在量子位公眾號(QbitAI)對話界面,回復:「攻擊」兩個漢字即可。
— 完 —
歡迎大家關注我們的專欄:量子位 - 知乎專欄
誠摯招聘
量子位正在招募編輯/記者,工作地點在北京中關村。期待有才氣、有熱情的同學加入我們!相關細節,請在量子位公眾號(QbitAI)對話界面,回復「招聘」兩個字。
量子位 QbitAI · 頭條號簽約作者
?? ? 追蹤AI技術和產品新動態
推薦閱讀:
※如何評價 Google 試圖出售於2013年收購的機器人公司:波士頓動力公司?
※大型互聯網公司提升速度採用的內容cache都是怎麼實現的?
※如何評價mix2、iphone x、note8手感好?
※被 Google 收購過的公司,此類行業是不是別的公司就別想再做了?
TAG:深度學習DeepLearning | 神經網路 | 谷歌Google |