破解神经网络进犯GPUAI黑客教程来了已登GitHub热榜

机器之心报导

参加：一鸣

深度学习的广泛运用也让许多黑客摩拳擦掌，想运用 AI 的缺点建议进犯。本项目总结了许多相关的办法和经历，用于教育演示，现在已登 GitHub 热榜，今天取得了 200 多赞。

跟着深度学习的开展，各行各业都在考虑将相关新技术引进事务场景中，网络安全范畴也不破例。近一段时间以来，许多网络安全公司都尝试用神经网络去检测病毒、发现程序后门等，而一些数据公司也运用了神经网络发现和检测歹意爬虫程序。可是，神经网络真的在软件层面上是安全吗？今天的 GitHub 趋势榜上有一个「骇入神经网络攻略」项目。作者供给了一系列教育材料和代码，告知了咱们黑客会怎样对神经网络建议进犯。和对立样本进犯不同，这些进犯都是从软件层面进行的，和运用对立样本混杂模型才能的进犯不同。

项目地址：https://github.com/Kayzaks/HackingNeuralNetworks

安全攻防战蔓延到 AI

在项目中，作者首要介绍了几种运用神经网络缺点对其发起进犯的办法，包含从运用神经网络的运用中找到缝隙，进行信息盗取、歹意程序注入和后门侵略等。此外还有运用深度学习操练中的内存加快，从 GPU 攻入体系的办法。项目详细分为多个章节，每个章节都供给了对应的代码和操练教程。除此以外，作者还供给了一篇文章，详细的介绍了进犯原理和思路。

教程文章地址：https://github.com/Kayzaks/HackingNeuralNetworks/blob/master/Article.pdf

课程目录

项目分为 8 个章节，目录如下：

最终一层进犯

寻觅神经网络后门

信息盗取

暴力破解

神经溢出

歹意软件注入

神经混杂

寻觅缝隙

进犯 GPU

怎么进犯 AI 体系

作者在教程文章中供给了一个比如：进犯运用神经网咯的虹膜辨认体系。假定黑客可以部分地进入到某虹膜辨认体系中，可是该体系的辨认认证是由一个神经网络组成的，黑客无法获取完好代码，仅有模型文件「model.h5」，怎样才能进行进犯？

详细而言，这种 HDF5 文件简直存储了模型一切的相关信息，包含架构和权重等。因而，作者以为修正文件中的权重等信息，特别是在模型的最终一层上。以一个二分类问题为例，模型的最终一层或许有两个神经元，正样本得到一个权重，而负样本则是另一个。黑客可以改动负样本的权重，使其也对本应当辨以为陌生人的人颁发进入的权力。

修正神经网络权重以改动辨认成果。

此外，神经网络也可以被修正，以盗取输入数据。例如，黑客可以在网络的输入层前参加一层，让这个层依据反向传达调整自身权重（其他层不参加操练），最终依据特定的标签取得对应的层和权重。这样一来，假如需求一个可以绕过虹膜辨认 AI 的数据，只需求运用这样的神经网络生成一个对应的输入即可。

研讨者将一个新层加在已有层上。这时候只需求操练新层，旧层不操练。

进犯 GPU 缓存

除了这些以外，作者还谈到了怎么让深度学习中运用的 GPU 发作缓存溢出，以便于获取操控办理体系权限的办法。在一个图画使命中，为了对图片进行预处理并分配给模型，体系或许会将图画和模型加载到 DRAM 中并运用两个不同的核做处理。

因为预操练需求处理图画，而模型自身也很大，假如一起对两者运用大局内存（global memory），就或许使得分配给图画的内存发作溢出。溢出后，黑客就有了可以修正模型的才能。经过修正模型，则可以进一步操控整个体系。

装置依靠和运用

作者表明，本项目需求 Python 和相关依靠。项目相关代码是在 VS Code 上完结的。

详细需求的依靠包包含：

Keras

Numpy

SciPy

PyCuda

NLTK

装置后就可以正常的运用教程了。在每个章节的代码目录中都附有详细的阐明信息，读者可参阅阐明和代码研讨完成。

机器之心「SOTA模型」：22大范畴、127个使命，机器学习 SOTA 研讨一扫而光。