您当前所在的位置:365理财网 > 理财APP >
热门新闻
南绕城高速公路年底前有望建成通2018-11-21
原油11月跌20%创下13个月新低 上2018-11-27
推动软件名城创建 青岛重点培育32018-11-02
武汉二手房市场加速调整 前十个2018-12-04
湖南等14个省( 区 )47 种进口抗2018-11-23
系统重要性金融机构参评范围明确2018-11-28
iOS12正式版带来大量App更新:支2018-11-02
深圳正告别炒房时代 10月一手住2018-11-24
油价又要降 幅度较大每升或下降2018-11-28
平安银行APP下架“房租贷”2018-11-02
京东11.11国货品牌受用户青睐,2018-11-24
国际油价29日小幅下滑2018-12-01
滴滴出行拼车专利侵权案细节:请2018-11-05
降!油价11月16日24时开启,有望2018-11-24
今日国内油价格喜迎“三连跌” 92018-12-02

简单有效,新型对抗性攻击方法成功攻破热门安卓APP中的DL模型

发表于:2021-01-26 20:22:38

当前,很多深度学习模型嵌入到了移动 APP 中。虽然在设备上执行机器学习有助于改善延迟、连通性与功耗,但 APP 内置的大多数深度学习模型可以通过逆向工程轻易获得,从而更易于招致对抗性攻击。本文研究者提出了一种简单却有效的攻击 APP 中深度学习模型的方法,并在实验中得到了验证。

如今,手机充斥着我们生活的方方面面,从指纹解锁、到注视唤醒、到人脸支付,在我们享受科技带来的便捷生活的时候,你有没有想过—当你在凝视手机的时候,它也在凝视着你?它学习你的个人 ID—指纹、声纹、面部特质、虹膜等等,并在几秒钟内完成解锁、支付。而这一系列动作都源自于深度学习。

深度学习是机器学习领域中一个新的研究方向,它被引入机器学习使其更接近于最初的目标—人工智能。深度学习模型(DL model)是将训练好的深度神经网络以特定的格式存储起来,使得手机具备了深度学习的能力。那么,这个深度学习模型可靠吗?就像人的价值观会被扭转,手机 APP 中的深度学习模型会不会也被攻击,使得你的手机从此不再只忠于你一个人?

当你手机上存储的大量个人信息向另一个素未谋面的人敞开,你遭遇的,或许不仅仅是经济损失那么简单。

在本文中,来自澳大利亚莫纳什大学的研究者探究了当今主流移动 App 中 DL 模型针对对抗性攻击的鲁棒性,并对部署在移动 App 中的 DL 模型进行了深度分析,如模型特点、模型关系和训练方法等。

特别地,研究者提出通过识别 TensorFlow Hub 中的高度相似预训练模型,并利用对抗性攻击来破解深度学习模型。这种方法虽然简单却有效,在实验中成功地攻击了 10 个真实安卓 App。

本文作者包括黄宇津(Yujin Huang)、胡晗(Han Hu)、陈春阳(Chunyang Chen) 。该论文已被第四十三届国际软件工程大会 ICSE 2021 SEIP 接收。

简单有效,新型对抗性攻击方法成功攻破热门安卓APP中的DL模型

论文地址:https://arxiv.org/abs/2101.04401

GitHub:https://github.com/Jinxhy/AppAIsecurity

大数据探索移动 App 中的 DL 模型

论文从 Google Play 上爬取了 62,822 个热门安卓移动应用以研究其中 DL 模型的使用情况。对于每个爬取的 App,作者使用其设计的自动化工具(图 1)识别并抽取 App 中的 DL 模型。

简单有效,新型对抗性攻击方法成功攻破热门安卓APP中的DL模型

图 1:对抗性攻击 pipeline 分析的总体工作流程。

下表 1 具体描述了当今流行的 App 中使用 DL 的具体情况。显而易见,包含 DL 模型的移动 App 已经覆盖了人们日常生活中涉及到的大多数应用分类 (图像分类尤为突出),并且一个 App 中通常含有多个 DL 模型。

简单有效,新型对抗性攻击方法成功攻破热门安卓APP中的DL模型

表 1:TFLite DL App 和模型的数量。

探究移动 App 上 DL 模型之间的关系

从上表 1 可以看出,大多数移动 App 上的 DL model 都在执行计算机视觉相关的任务,那么他们之间有没有潜在的联系呢?研究者通过自动化工具对其进行验证并发现在移动 App 上的 DL 模型之间存在相似性,甚至有一些模型完全一样 。

下图 2 具体描述了模型之间的相似关系, 图中的每一个节点代表一个从 App 中抽取的模型,节点之间线的粗细代表模型之间的相似度,线越粗代表相似度越高。

简单有效,新型对抗性攻击方法成功攻破热门安卓APP中的DL模型

图 2:设备内置 DL 模型之间的关系。

探究移动 App 上 DL 模型相似的原因

模型之间的相似是什么原因造成的呢?是特殊的训练方法还是存在模型盗用?

通过自动化工具对移动 App 上 DL 模型与 TensorFlow Hub 上开源的预训练 DL 模型进行比较,研究者发现模型之间的相似是由于采用迁移学习导致的。

下表 2 具体描述了采用迁移学习的 DL 模型的数量和对应的预训练 DL 模型的类型,其中 MobileNet 是最为常用的预训练 DL 模型。

简单有效,新型对抗性攻击方法成功攻破热门安卓APP中的DL模型

表 2:微调 TFLite DL 模型的数量。

探究移动 App 上 DL 模型针对对抗性攻击的鲁棒性

基于前面的分析,我们即可知道移动 App 上的 DL 模型执行的具体任务并且知道其采用的预训练 DL 模型的类型。利用这两个特性,研究者设计了一种基于对抗性攻击的新型攻击方法。

为了验证其可行性和有效性,研究者对 10 个具有代表性的移动 App 上的 DL 模型进行了攻击。下表 3 详细描述了 10 个被选取的 App、及其 DL 模型和对应的功能。

简单有效,新型对抗性攻击方法成功攻破热门安卓APP中的DL模型

下表 4 详细描述了新型攻击方法基于不同 DL 模型的攻击成功率, 结果表明所有 DL 模型均被成功攻击。

简单有效,新型对抗性攻击方法成功攻破热门安卓APP中的DL模型

通过实验可以看出,所有的选取的移动 App 中的 DL 模型都被成功攻击。这证明目前 DL 在移动 App 中的安全性还需要进一步的提高,比如改进迁移学习的方法、对模型加密防止被抽取和对模型进行对抗性训练等。