ZOO-Attack 项目使用教程

1. 项目的目录结构及介绍

ZOO-Attack 项目的目录结构如下：

ZOO-Attack/
├── COPYRIGHT
├── LICENSE
├── README.md
├── cifar_blackbox.py
├── l0_attack.py
├── l2_attack.py
├── l2_attack_black.py
├── li_attack.py
├── mnist_blackbox.py
├── retrain.py
├── setup_cifar.py
├── setup_inception.py
├── setup_mnist.py
├── substitute_blackbox.py
├── test_all.py
├── test_attack.py
├── test_attack_black.py
├── train_models.py
└── verify.py

目录结构介绍

• COPYRIGHT: 版权信息文件。
• LICENSE: 项目许可证文件，采用 Apache-2.0 许可证。
• README.md: 项目说明文档。
• cifar_blackbox.py: 用于 CIFAR 数据集的黑盒攻击脚本。
• l0_attack.py: L0 攻击脚本。
• l2_attack.py: L2 攻击脚本。
• l2_attack_black.py: L2 黑盒攻击脚本。
• li_attack.py: Li 攻击脚本。
• mnist_blackbox.py: 用于 MNIST 数据集的黑盒攻击脚本。
• retrain.py: 重新训练模型的脚本。
• setup_cifar.py: 设置 CIFAR 数据集的脚本。
• setup_inception.py: 设置 Inception 模型的脚本。
• setup_mnist.py: 设置 MNIST 数据集的脚本。
• substitute_blackbox.py: 替代黑盒模型的脚本。
• test_all.py: 测试所有攻击的脚本。
• test_attack.py: 测试攻击的脚本。
• test_attack_black.py: 测试黑盒攻击的脚本。
• train_models.py: 训练模型的脚本。
• verify.py: 验证脚本。

2. 项目的启动文件介绍

项目的启动文件主要是 test_all.py，它是一个统一的接口脚本，用于运行各种攻击测试。

test_all.py 介绍

• 功能: 运行各种黑盒攻击测试。
• 使用方法: 通过命令行参数指定不同的攻击类型、数据集、迭代次数等。

示例命令：

python3 test_all.py --untargeted -a black -d imagenet -n 150 --solver adam -b 1 -c 10.0 --use_resize --reset_adam -m 1500 -p 10 -s "imagenet_untargeted"

3. 项目的配置文件介绍

项目中没有显式的配置文件，但可以通过命令行参数在运行时进行配置。主要的配置参数包括：

• -a 或 --attack: 指定攻击类型，如 black。
• -d 或 --dataset: 指定数据集，如 imagenet。
• -n 或 --num_images: 指定图像数量。
• --solver: 指定求解器，如 adam。
• -b 或 --binary_search_steps: 指定二分搜索步数。
• -c 或 --confidence: 指定置信度参数。
• --use_resize: 使用图像大小调整进行攻击空间维度降低。
• --reset_adam: 重置 ADAM 状态。
• -m 或 --max_iterations: 指定最大迭代次数。
• -p 或 --print_every: 指定每多少次迭代打印一次损失。
• -s 或 --save_path: 指定保存攻击图像的路径。

通过这些参数，可以在运行时灵活配置攻击的各项参数。

---

以上是 ZOO-Attack 项目的使用教程，希望对您有所帮助。