You can not select more than 25 topics
Topics must start with a chinese character,a letter or number, can include dashes ('-') and can be up to 35 characters long.
3.4 kB
3.4 kB
MindArmour
简介
MindArmour关注AI的安全和隐私问题。致力于增强模型的安全可信、保护用户的数据隐私。主要包含3个模块：对抗样本鲁棒性模块、Fuzz Testing模块、隐私保护与评估模块。
对抗样本鲁棒性模块
对抗样本鲁棒性模块用于评估模型对于对抗样本的鲁棒性，并提供模型增强方法用于增强模型抗对抗样本攻击的能力，提升模型鲁棒性。对抗样本鲁棒性模块包含了4个子模块：对抗样本的生成、对抗样本的检测、模型防御、攻防评估。
对抗样本鲁棒性模块的架构图如下：
Fuzz Testing模块
Fuzz Testing模块是针对AI模型的安全测试，根据神经网络的特点，引入神经元覆盖率，作为Fuzz测试的指导，引导Fuzzer朝着神经元覆盖率增加的方向生成样本，让输入能够激活更多的神经元，神经元值的分布范围更广，以充分测试神经网络，探索不同类型的模型输出结果和错误行为。
Fuzz Testing模块的架构图如下：
隐私保护模块
隐私保护模块包含差分隐私训练与隐私泄露评估。
差分隐私训练模块
差分隐私训练包括动态或者非动态的差分隐私SGD、Momentum、Adam优化器，噪声机制支持高斯分布噪声、拉普拉斯分布噪声，差分隐私预算监测包含ZCDP、RDP。
差分隐私的架构图如下：
隐私泄露评估模块
隐私泄露评估模块用于评估模型泄露用户隐私的风险。利用成员推理方法来推测样本是否属于用户训练数据集，从而评估深度学习模型的隐私数据安全。
隐私泄露评估模块框架图如下：
开始
环境依赖
MindArmour使用MindSpore加速计算，因此请先安装MindSpore，其余依赖包含在setup.py里。
安装
源码安装
- 从Gitee下载源码。
git clone https://gitee.com/mindspore/mindarmour.git
- 编译安装MindArmour。
$ cd mindarmour
$ python setup.py install
Pip安装
- 从MindSpore官网下载whl格式的安装包，然后执行如下命令：
pip install mindarmour-{version}-cp37-cp37m-linux_{arch}.whl
- 执行如下命令，如果没有报错
No module named 'mindarmour'，则说明安装成功。
python -c 'import mindarmour'
文档
安装指导、使用教程、API，请参考用户文档。
社区
社区问答：MindSpore Slack。
贡献
欢迎参与社区贡献，详情参考Contributor Wiki。
版本
版本信息参考：RELEASE。