Trustworthy-AI-Group/TransferAttack

TransferAttack is a pytorch framework to boost the adversarial transferability for image classification.

TransferAttack – 転移可能な敵対的攻撃のためのPyTorchツールキット

概要
TransferAttackは、PyTorchベースの研究用Pythonライブラリであり、画像分類モデル（CNN、Vision Transformersなど）に対する転移可能な敵対的サンプルを生成および評価できます。転移可能な攻撃は、あるモデルで作成されたものが、未知の他のモデルに対しても有効であるという性質を持ち、深層学習システムの堅牢性を調査するための重要な手法です。

主な機能

ベンチマークスイート – 80種類以上の公開された非ターゲット攻撃を、手法（勾配ベース、入力変換、高度な目的関数）ごとに分類して収録しています。READMEには各手法の簡単な説明と引用が記載されています。
プラグアンドプレイなモデルインターフェース – 一般的なImageNet互換モデル（ResNet-50、ViTなど）を読み込み、単一のコマンドラインフラグ（--attack mifgsm --model=resnet50）で攻撃を実行できます。
評価モード – 敵対的画像を生成した後、--evalフラグを使用して、事前学習済みモデルセット全体で標準化された転移性テストを実行できます。
再現可能なデータセット – 1,000枚の画像からなる小型のImageNetスタイルPNGデータセットが付属しており、ダウンロードリンク（Google Drive / Hugging Face）が提供されています。
拡張性 – 基本的な攻撃クラスを継承し、勾配更新ルールを実装することで、新しい攻撃手法を容易に追加できる設計になっています。

典型的なワークフロー

# 依存関係のインストール
pip install -r requirements.txt

# ResNet-50上でMI-FGSMを使用して敵対的画像を生成
python main.py \
  --input_dir ./data \
  --output_dir adv_data/mifgsm/resnet50 \
  --attack mifgsm \
  --model=resnet50

# 他のモデルでの転移成功率を評価
python main.py \
  --input_dir ./data \
  --output_dir adv_data/mifgsm/resnet50 \
  --eval

同じパターンが、リストされている他の攻撃（--attack dim、--attack tapなど）にも適用されます。

重要性

近年の数十件の敵対的転移に関する論文を再現するための単一で一貫した環境を提供します。通常、これらの論文はそれぞれ独自のコードベースを持っています。
研究者が新しい防御手法やモデルアーキテクチャが広範な攻撃に対してどのように耐性を持つかを迅速にテストするのに役立ちます。
付属の調査論文 (arXiv:2602.23117) と厳選された参考文献が、この分野の背景知識を提供します。

はじめに

リポジトリをクローンし、必要なPython ≥ 3.6、PyTorch ≥ 1.12.1、torchvision、および timm をインストールします。
提供されている1k枚の画像データセットをダウンロードします。
目的の攻撃とモデルフラグを指定して main.py を実行します。
adv_data/ に生成された敵対的PNGを確認するか、組み込みの評価機能を使用して転移率を確認します。

引用このコードやベンチマークを出版物で使用する場合は、関連するarXiv論文 (2026) を引用してください。

上記の詳細はすべてリポジトリのREADMEから直接引用したものであり、追加の機能は推測していません。