巴赫曼NT255 欺骗机器的眼睛——对抗性展示

最近引起研究界注意的一个问题是这些系统对对抗样本的敏感性。   一个对抗性的例子是一个嘈杂的图像，旨在欺骗系统做出错误的预测。为了在现实世界中部署这些系统，它们必须能够检测到这些示例。为此，最近的工作探索了通过在训练过程中包含对抗性示例来使这些系统更强对抗性攻击的可能性。   现阶段对模型攻击的分类主要分为两大类，即攻击训练阶段和推理阶段。

01

训练阶段的攻击

训练阶段的攻击 (Training in Adversarial Settings) ，主要的方法就是针对模型的参数进行微小的扰动，从而达到让模型的性能和预期产生偏差的目的。   例如直接通过对于训练数据的标签进行替换，让数据样本和标签不对应，从而最后训练的结果也一定与预期的产生差异，或者通过在线的方式获得训练数据的输入权，操纵恶意数据来对在线训练过程进行扰动，最后的结果就是产出脱离预期。

02

推理阶段的攻击

推理阶段的攻击 (Inference in Adversarial Settings)，是当一个模型被训练完成后，可以将该模型主观的看作是一个盒子，如果该盒子对我们来说是透明的则可以将其看成“白盒”模型，若非如此则看成“黑盒”模型。   所谓的“白盒攻击”，就是我们需要知道里面所有的模型参数，但这在实际操作中并不现实，却有实现的可能，因此我们需要有这种前提假设。黑盒攻击就比较符合现实生活中的场景：通过输入和输出猜测模型的内部结构;加入稍大的扰动来对模型进行攻击;构建影子模型来进行关系人攻击;抽取模型训练的敏感数据;模型逆向参数等等。

对抗攻击的防御机制。抵御对抗样本攻击主要是基于附加信息引入辅助块模型(AuxBlocks)进行额外输出来作为一种自集成的防御机制，尤其在针对攻击者的黑盒攻击和白盒攻击时，该机制效果良好。除此之外防御性蒸馏也可以起到一定的防御能力，防御性蒸馏是一种将训练好的模型迁移到结构更为简单的网络中，从而达到防御对抗攻击的效果。

对抗学习的应用举例：自动驾驶   自动驾驶是未来智能交通的发展方向，但在其安全性获得完全检验之前，人们还难以信任这种复杂的技术。虽然许多车企、科技公司已经在这一领域进行了许多实验，但对抗样本技术对于自动驾驶仍然是一个巨大的挑战。几个攻击实例：对抗攻击下的图片中的行人在模型的面前隐身，对抗样本使得模型“无视”；利用 AI 对抗样本生成特定图像并进行干扰时，特斯拉的 Autopilot 系统输出了「错误」的识别结果，导致车辆雨刷启动；在道路的特定位置贴上若干个对抗样本贴纸，可以让处在自动驾驶模式的汽车并入反向车道；在Autopilot 系统中，通过游戏手柄对车辆行驶方向进行控制;对抗样本使得行人对于机器学习模型“隐身”。  

04 自学也能成才：自监督学习

深度学习需要干净的标记数据，这对于许多应用程序来说很难获得。   注释大量数据需要大量的人力劳动，这是耗时且昂贵的。此外，数据分布在现实世界中一直在变化，这意味着模型必须不断地根据不断变化的数据进行训练。自监督方法通过使用大量原始未标记数据来训练模型来解决其中的一些挑战。在这种情况下，监督是由数据本身(不是人工注释)提供的，目标是完成一个间接任务。间接任务通常是启发式的(例如，旋转预测)，其中输入和输出都来自未标记的数据。定义间接任务的目标是使模型能够学习相关特征，这些特征稍后可用于下游任务(通常有一些注释可用)。   自监督学习是一种数据高效的学习范式。   监督学习方法模型擅长特定任务。另一方面，自监督学习允许学习不专门用于解决特定任务的一般表示，而是为各种下游任务封装更丰富的统计数据。在所有自监督方法中，使用对比学习进一步提高了提取特征的质量。自监督学习的数据效率特性使其有利于迁移学习应用。   目前的自监督学习领域可大致分为两个分支。

一个是用于解决特定任务的自监督学习，例如上次讨论的场景去遮挡，以及自监督的深度估计、光流估计、图像关联点匹配等。另一个分支则用于表征学习。有监督的表征学习，一个典型的例子是ImageNet分类。而无监督的表征学习中，最主要的方法则是自监督学习。   自监督学习方法依赖于数据的空间和语义结构，对于图像，空间结构学习是极其重要的，因此在计算机视觉领域中的应用广泛。   一种是将旋转、拼接和着色在内的不同技术被用作从图像中学习表征的前置任务。对于着色，将灰度照片作为输入并生成照片的彩色版本。另一种广泛用于计算机视觉自监督学习的方法是放置图像块。一个例子包括 Doersch 等人的论文。在这项工作中，提供了一个大型未标记的图像数据集，并从中提取了随机的图像块对。在初始步骤之后，卷积神经网络预测第二个图像块相对于第一个图像块的位置。还有其他不同的方法用于自监督学习，包括修复和判断分类错误的图像。  

巴赫曼NT255  TU532  
DC551-CS31  
PM564-R-AC
DC522   
DC523   
DC532   
DX522   
DX531   
AI523   
AO523   
AX521   
AX522   
TU515
TB521-ETH   
TB521-ARCNET   
TB541-ETH   
MC502   
TK501   
TK502   
TA521   
TA522
TA526   
TA524   
PS501   
PS541-HMI   
CM572-DP   
CM575-ETH   
CM578-CN   
DI524
TU532  
DC505-FBP  
TU505  
DC551-CS31  
TU551-CS31  
TU552-CS31   
AC31GRAF-English
DC522   
DC523   
DC532   
DX522   
DX531   
AI523  
AO523   
AX521   
AX522   
TU515
TU551-CS31  
TU552-CS31   
DC505-FBP   
SA811F   
TU506-FBP   
PM554-R-AC  
AO801
PM591-ARCNET   
PM591-ETH   
PM591-ARCNET  
TB511-ETJ  
TB511-ETH   
TB511-ARCNET
TB521-ETH   
TB521-ARCNET   
TB541-ETH   
MC502   
TK501   
TK502   
TA521  
TA522
TK403   
TK404   
TK405   
CP400-Soft   
CL-LAD.MD004   
CL-LAD.TK009   
AC500
DNC11-FBP.999   
DNR11-FBP.120   
XK08F1   
XC08L1   
XO16N1   
XO08Y1  
XO08R2
MC503   

巴赫曼NT255 华锐SL1500/77风机备品备件 
华锐SL1500/82型风机备品备件
风机机型华锐SL1500/82
新疆金风GW77/1500 型风力发电机组
新疆金风S50/750 风力发电机组
3MW风力发电机 3MW风机机舱柜
SCS温度模块 PTAI 216：bachmann XE82风机
模拟量输入/输出模块 AIO288厂家：bachmann：适用于XE82风机
FL1500风机
金风1.5MW风机

SCS温度模块 Bachmann PTAI 216    数量1
CAN总线从模块CS200/N 内带ISI222、AIO288、DIO248的驱动程序以及和CM202的通讯程序
编码器接口模块 ISI222       数量1
全新原装华锐风机 WTCBA200A crowbar 正品保障windtec
2 主控制器WT98 ABB/WT98 07KT98 个 1 3 
主控制器WT97 ABB/WT97 07KT97 个 1 
4 巴赫曼PLC（塔基） 整套 个 1
 5 PLC-电源模块 24VDC/68W NT255 个 1 
6 PLC-中央处理器模块 128MB MPC240 个 1
 
8 PLC-数字I/0模块 24VDC/1A DIO216 个 1 
9 PLC-温度记录模块 24VDC PTAI216



PLC模块/通讯RS204   
PLC模块/网口EM203   
PLC模块DI232
PLC模块DO232   
角度控制元件  ISI222

PLC模块CM202   

光纤传输接口模块 FS211/N

人机界面(触摸屏)|WT205 LX700/DD256/CF512/VX
巴赫曼人机界面（触摸屏）WT205 LX800/DD512/CF512/VX
巴赫曼人机界面(触摸屏)|WT205 LX700/DD256/CF512/VX||
巴赫曼WT205/T/BE1/LX7人机界面
24V电源模块 NT255
MPC240控制器 MPC270
数字量输入输出模块 DIO280
数字量输入输出模块 DIO232
模拟量输入输出模块 AIO288
DP模块 DPM200
背板 BS212
编码器模块  IS1202/IS1222 
FAST-BUS 模块    FM211 
风机PL模块ISI222   机舱
风机PL模块MX213    机舱 
风机PL模块FM211    塔基

DIO248
DIO280
RS204
DI232
NT255
MPC240
FM211
DIO216
PTAI216
FS211/N
EM203
CM202
DPM200
DO232
DI232
AIO288

ISI222
RS204/T
BS208
BS207
BS205
BS212
ISI202
CNT204/R
ME203/CNW
MPC240
CNT204/H
BS206
MX213
DIO232
DIO264
LM201

FS221/N