会员服务 ·

这一次，MIT的科学家让谷歌AI把步枪误认成直升机

2017 年 12 月 25 日 量子位 专注报道AI

安妮编译整理
量子位出品 | 公众号 QbitAI

这是什么？

熟悉枪械的盆友可能一眼就认出这是步枪，即使对枪种类不熟悉的同学也能认出这最可能是枪。

但……这道题对谷歌Cloud Vision API并不简单，经过推理后，这个AI认定图中物体为直升机。

看到谷歌AI认错，MIT CSAIL（计算机科学与人工智能实验室）的研究人员可能要笑了。事实证明，他们的“恶作剧”成功了。

曾有段黑历史

这不是CSAIL研究人员的首次尝试。

今年11月，他们创建的Expectation Over Transformation (EOT)算法在识别带纹理图案的3D模型后，继而生成它的对抗性图像，骗过了谷歌InceptionV3图像分类器，让系统将3D乌龟模型误认为是步枪。

△ 这又是什么？

这个对抗样例很大程度上是在“白盒”设置中设计的，研究人员了解InceptionV3的工作机制，知道如何去捉弄它。

因为这种对抗性例子与真实世界不太相似，AI系统攻击者无处寻找特定算法，因此“白盒”攻击的威胁性不大。

步枪＝直升机？

但这次步枪当成直升机的研究，不一样。

在将步枪错认成直升机的例子中，MIT研究人员是在“黑盒”环境下进行研究的，他们事先不知道里面的算法是什么样的。

他们设计出了一种快速生成黑盒对抗示例的方法，具备骗过不同算法的能力，连谷歌的Cloud Vision API也不幸遇难。仅仅稍微调整了图像像素，这一排枪就被识别成了直升机。

△ 原图的识别结果为武器

△ 调整像素后识别结果为直升机

研究人员不只是随机调整照片，他们用一种标准方法试图欺骗AI系统。每一次试图愚弄AI时，他们会分析结果，然后慢慢向可以欺骗系统认为这是特定物体的方向引导。

研究人员随机生成标签，在步枪的例子中，“直升机”分类器也可以很容易地成为“羚羊”分类器。他们想证明他们的系统是有效的，无论选择什么标签。

也可以误导AI将滑雪的人类认成是狗，比如下面这个视频——

谷歌对此不予置评。

黑盒机器学习分类器的对抗样本

在论文Query-Efficient Black-box Adversarial Examples中，研究人员从技术层面介绍了这项研究的重要性和研究方法：

当前，基于神经网络的图像分类器易受到对抗样例的影响，即使在被限制在查询访问而非梯度访问的黑盒设置中也是如此。像以往替代网络（substitute networks）和基于坐标的有限差分法等要么不可靠，要么查询效率低，在一些问题上并不可行。

在这篇文章中，研究人员引入了一种可靠的生成对抗样例的新方法，这也适用于更具限制性和实际性的黑盒研究中。

首先，研究人员用自然进化策略来执行黑盒攻击，使用的query比以前的方法少2到3个数量级。紧接着，研究人员引入了一种新算法，可在局部信息设置中进行针对性的对抗攻击，攻击者可访问的目标类别有限。通过这种技术，MIT研究人员成功在局部信息设置中进行了首次针对性的对抗性攻击，谷歌的Cloud Vision API首当其冲。