معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

constrained-attacks is a framework to generate adversarial examples under domain specific constraints.

ویژگی	مقدار
سیستم عامل	-
نام فایل	constrained-attacks-0.1.1
نام	constrained-attacks
نسخه کتابخانه	0.1.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Thibault Simonetto
ایمیل نویسنده	thibault.simonetto.001@student.uni.lu
آدرس صفحه اصلی	-
آدرس اینترنتی	https://pypi.org/project/constrained-attacks/
مجوز	MIT

# Constrained attacks [![License: MIT](https://img.shields.io/badge/License-MIT-yellow.svg)](https://opensource.org/licenses/MIT) [![arXiv](https://img.shields.io/badge/arXiv-2112.01156-b31b1b.svg)](https://arxiv.org/abs/2112.01156) ## Description Constrained attacks is a framework for constraints adversarial examples unified across multiple constraints' domain. It currently supports a large diversity of constraints (linear and non-linear). We instantiated our framework with two attacks: - MoEvA2: a multi-objective genetic based approach - C-PGD: a gradient based approach extended from PGD (cite) to support domain constraints. To learn more, check out our paper [A Unified Framework for Adversarial Attack and Defense in Constrained Feature Space](https://arxiv.org/abs/2112.01156). ## Installation ### Using pip ```shell pip install constrained-attacks ``` ## Dependencies constrained-attacks requires: - python = "~3.8" - numpy = "^1.22.3" - joblib = "^1.1.0" - pymoo = "^0.5.0" - tqdm = "^4.63.1" - pandas = "^1.4.1" Additional optional requirements for C-PGD are: - tensorflow = "2.8" - adversarial-robustness-toolbox[tensorflow] = "1.10" ## Examples You can find a usage example - for MoEvA2: [tests/attacks/moeva/test_moeva_run.py](tests/attacks/moeva/test_moeva_run.py) - for C-PGD: [tests/attacks/cpgd/test_pgd_run.py](tests/attacks/cpgd/test_pgd_run.py) - for the constraints definition: [tests/attacks/moeva/url_constraints.py](tests/attacks/moeva/url_constraints.py). ## Citation If you have used our framework for research purposes, you can cite our publication by: BibTex: ``` @article{simonetto2021unified, title={A unified framework for adversarial attack and defense in constrained feature space}, author={Simonetto, Thibault and Dyrmishi, Salijona and Ghamizi, Salah and Cordy, Maxime and Traon, Yves Le}, journal={arXiv preprint arXiv:2112.01156}, year={2021} } ```

نیازمندی

مقدار	نام
>=1.22.3,<2.0.0	numpy
>=1.1.0,<2.0.0	joblib
>=0.5.0,<0.6.0	pymoo
>=4.63.1,<5.0.0	tqdm
>=1.4.1,<2.0.0	pandas
==1.10)	adversarial-robustness-toolbox[tensorflow]
==2.8)	tensorflow

زبان مورد نیاز

مقدار	نام
>=3.8,<3.9	Python

نحوه نصب

نصب پکیج whl constrained-attacks-0.1.1:

pip install constrained-attacks-0.1.1.whl

نصب پکیج tar.gz constrained-attacks-0.1.1:

pip install constrained-attacks-0.1.1.tar.gz