使用 Cleverhans 进行对抗性攻击后提取原始图像格式
Extracting original image format after adversarial attack with Cleverhans
假设我使用 Cleverhans 加载 MNIST 数据集并使用 FGM 攻击图像。我通过 Cleverhans MNIST 数据集加载的任何图像都已经将其像素值限制为 [0, 1]，并且在我攻击图像后也是如此（假设我将图像裁剪到 [0, 1]）。如果我想在这种情况下看到攻击，我只需将所有像素值乘以 255 并创建对抗图像。
在这种情况下，像素值在 [0, 255] 中的原始 MNIST 图像被修改为像素值在 [0, 1] 中，方法是将所有值除以 255。为了找回原始图像"image properties"我再乘以255
当这个预处理步骤（在 MNIST 的情况下，除以 255）更复杂时，是否有一种方法（在 Cleverhans 中或一般情况下）提取原始图像属性？例如，我正在考虑 VGG16，其中 ImageNet 图像在调整大小的同时保留其纵横比，将图像恢复到原始大小的过程很复杂，并且对于每张图像都是唯一的。
是否可以将这个预处理步骤作为模型中的一个步骤添加，以直接获取原始图像上的噪声？我想情况可能并非如此，因为并非所有预处理步骤都是可区分的？
这是否意味着如果预处理步骤太复杂，我将无法查看应用于原始图像的噪点？
正确，如果您的管道使用 prep-rocessing 阶段，即：
difficult to invert：根据(a)原始图像和(b)[=26中的扰动，很难得到原始domani中扰动图像对应的图像=] space.
non-differentiable：需要梯度的攻击将不可能在原始域中计算扰动图像。
但是，您可以使用不直接计算梯度的攻击，例如 SPSA 直接在原始域中操作，即使 pre-processing 阶段是 non-differentiable：https://github.com/tensorflow/cleverhans/blob/master/cleverhans/attacks/spsa.py
假设我使用 Cleverhans 加载 MNIST 数据集并使用 FGM 攻击图像。我通过 Cleverhans MNIST 数据集加载的任何图像都已经将其像素值限制为 [0, 1]，并且在我攻击图像后也是如此（假设我将图像裁剪到 [0, 1]）。如果我想在这种情况下看到攻击，我只需将所有像素值乘以 255 并创建对抗图像。
在这种情况下，像素值在 [0, 255] 中的原始 MNIST 图像被修改为像素值在 [0, 1] 中，方法是将所有值除以 255。为了找回原始图像"image properties"我再乘以255
当这个预处理步骤（在 MNIST 的情况下，除以 255）更复杂时，是否有一种方法（在 Cleverhans 中或一般情况下）提取原始图像属性？例如，我正在考虑 VGG16，其中 ImageNet 图像在调整大小的同时保留其纵横比，将图像恢复到原始大小的过程很复杂，并且对于每张图像都是唯一的。
是否可以将这个预处理步骤作为模型中的一个步骤添加，以直接获取原始图像上的噪声？我想情况可能并非如此，因为并非所有预处理步骤都是可区分的？
这是否意味着如果预处理步骤太复杂，我将无法查看应用于原始图像的噪点？
正确，如果您的管道使用 prep-rocessing 阶段，即：
difficult to invert：根据(a)原始图像和(b)[=26中的扰动，很难得到原始domani中扰动图像对应的图像=] space.
non-differentiable：需要梯度的攻击将不可能在原始域中计算扰动图像。
但是，您可以使用不直接计算梯度的攻击，例如 SPSA 直接在原始域中操作，即使 pre-processing 阶段是 non-differentiable：https://github.com/tensorflow/cleverhans/blob/master/cleverhans/attacks/spsa.py