はじめに
メンバーシップ推定攻撃の対策手法がどの程度効果があるか評価します。
コードは下記にあります。
概要
- メンバーシップ推定攻撃の対策手法であるMemGuardの効果を検証します。
- メンバーシップ推定攻撃としては、機械学習モデルを用いる手法を用います。
MemGuard
基本的な考え方
モデルの出力にノイズを加えることで、メンバーシップ推定攻撃をしにくくする防御手法です。
一段階目のPhase Iでは、ノイズの大きさに関する条件を考慮せずにノイズを作成し、Phase IIで条件を満たすようにノイズを加えるかの判断を行います。
Phase I
下記3つの損失の重みづけ和を最小化します。
L1：メンバーシップ推定攻撃の攻撃モデルのlogitのL1ノルム（防御の強さの条件）
L2：元の予測クラスのlogitをその他のクラスのlogitが超える場合は、それらの差
L3：ノイズの大きさ
全体の損失を、L=L1+c2×L2+c3×L3 として、最小となるノイズを求めます。
ここで、c2、c3は事前に設定したパラメータです。
また、条件を満たすノイズが見つからない場合は、ノイズは 0 とします。
Phase II
Phase Iで求めたノイズは、大きさの条件を考慮していないため、ノイズの大きさの期待値が閾値以下になるように調整します。
まず、ノイズを加えた時に、メンバーシップ推定攻撃の成功率を下げられない場合は、ノイズを付加しません。
それ以外の場合は、閾値をε、ノイズの大きさをdとすると、確率 min(ε/d,1) でノイズを付加します。
この結果、付加するノイズの大きさの期待値をε以下にすることができます。
パラメータc3の探索
小さい値を用いてノイズを作成し、2つの条件を満たすか確認します。
- ノイズによって予測ラベルが変更されない
- 十分強い防御になっている（ノイズの有無でメンバーシップ推定攻撃の予測が変わる）
条件を満たす場合は、c3を10倍して、再度ノイズの最適化を行います。
これを繰り返すことで、条件を満たすノイズのうち、c3が最大（つまり、ノイズが最も小さい）ものを採用します。
実装
1. ライブラリのインポート
必要なライブラリをインポートします。
import torch
import torchvision
from torch.utils.data import DataLoader
import torch.nn as nn
import torch.nn.functional as F
import sys
from tqdm import tqdm
import matplotlib.pyplot as plt
import numpy as np
from sklearn import metrics
import os
import pickle
from google.colab import drive
drive.mount('/content/drive')
2. 実行環境の確認
使用するライブラリのバージョンや、GPU環境を確認します。
print('Python:', sys.version)
print('PyTorch:', torch.__version__)
print('Torchvision:', torchvision.__version__)
!nvidia-smi
実行結果
Python: 3.10.12 (main, Nov 20 2023, 15:14:05) [GCC 11.4.0]
PyTorch: 2.2.1+cu121
Torchvision: 0.17.1+cu121
Wed Mar 20 06:18:36 2024
+---------------------------------------------------------------------------------------+
| NVIDIA-SMI 535.104.05 Driver Version: 535.104.05 CUDA Version: 12.2 |
|-----------------------------------------+----------------------+----------------------+
| GPU Name Persistence-M | Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap | Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|=========================================+======================+======================|
| 0 Tesla T4 Off | 00000000:00:04.0 Off | 0 |
| N/A 57C P8 10W / 70W | 0MiB / 15360MiB | 0% Default |
| | | N/A |
+-----------------------------------------+----------------------+----------------------+
+---------------------------------------------------------------------------------------+
| Processes: |
| GPU GI CI PID Type Process name GPU Memory |
| ID ID Usage |
|=======================================================================================|
| No running processes found |
+---------------------------------------------------------------------------------------+
3. データセットの用意
カラー画像データセットのCIFAR-10を、torchvisionを用いて取得します。
全てのデータに、下記の操作を適用します。
- ToTensor：データをTensor型に変換
- Normalize：各チャネルの平均が0、標準偏差が1となるように標準化
CIFAR10_MEAN = (0.4914, 0.4822, 0.4465)
CIFAR10_STD = (0.2470, 0.2435, 0.2616)
training_data = torchvision.datasets.CIFAR10(
root="data",
train=True,
download=True,
transform=torchvision.transforms.Compose([
torchvision.transforms.ToTensor(),
torchvision.transforms.Normalize(CIFAR10_MEAN, CIFAR10_STD)]),
)
test_data = torchvision.datasets.CIFAR10(
root="data",
train=False,
download=True,
transform=torchvision.transforms.Compose([
torchvision.transforms.ToTensor(),
torchvision.transforms.Normalize(CIFAR10_MEAN, CIFAR10_STD)]),
)
4. 学習
今回は、異なる条件で複数回学習を実行するため、学習部分を関数として定義します。
教師データの分割では、再現可能なようにシードを固定しています。
学習したモデルは今後再利用可能なように、保存しておきます。
def training(batch_size = 128, idx=0, dir='/content/drive/MyDrive/MemGuard'):
if os.path.exists(f"{dir}/model_{idx}.pt"):
print(f"model_{idx}.pt exist")
return
#split training data
train_in, train_out = torch.utils.data.random_split(dataset=training_data, lengths=[25000, 25000], generator=torch.Generator().manual_seed(idx))
# make dataloader
train_dataloader = DataLoader(train_in, batch_size=batch_size, shuffle=True)
test_dataloader = DataLoader(test_data, batch_size=1024, shuffle=False)
# make model
model = torchvision.models.resnet18(num_classes=10)
device = "cuda" if torch.cuda.is_available() else "mps" if torch.backends.mps.is_available() else "cpu"
model = model.to(device)
# make optimizer
criterion = torch.nn.CrossEntropyLoss()
optimizer = torch.optim.Adam(model.parameters(), lr=1e-3, weight_decay=1e-4)
# training
pbar = tqdm(range(30), desc=f"[idx: {idx}]")
for epoch in pbar:
model.train()
for (X, y) in train_dataloader:
X, y = X.to(device), y.to(device)
# optimization step
optimizer.zero_grad()
pred = model(X)
loss = criterion(pred, y)
loss.backward()
optimizer.step()
# test
model.eval()
pred_list = []
y_list = []
with torch.no_grad():
for X, y in test_dataloader:
X, y = X.to(device), y.to(device)
# predict
pred = model(X)
loss = criterion(pred, y)
y_list.extend(y.to('cpu').numpy().tolist())
pred_list.extend(pred.argmax(1).to('cpu').numpy().tolist())
test_acc = metrics.accuracy_score(y_list, pred_list)
print(f'{idx} test accuracy: {test_acc}')
#save model
torch.save(model.state_dict(), f"{dir}/model_{idx}.pt")
# victim model
training(idx=0)
# shadow model
training(idx=100)
5. メンバーシップ推定攻撃
防御およびメンバーシップ推定攻撃のために、memberかnon-memberかを判定する攻撃モデルの学習を行います。
被害モデルは防御のために、shadow modelはメンバーシップ推定攻撃のために使用します。
def make_attack_dataset(target_idx=0, n_models=1, dir='/content/drive/MyDrive/MemGuard'):
if os.path.exists(f'{dir}/attack_dataset_{target_idx}.pkl'):
print(f"attack_dataset_{target_idx}.pkl exist")
return
pred_list = []
ans_list = []
class_list = []
for idx in range(target_idx, target_idx+n_models):
#split training data
train_in, train_out = torch.utils.data.random_split(dataset=training_data, lengths=[25000, 25000], generator=torch.Generator().manual_seed(idx))
# make dataloader
in_loader = DataLoader(train_in, batch_size=1024, shuffle=False)
out_loader = DataLoader(train_out, batch_size=1024, shuffle=False)
# make model
model = torchvision.models.resnet18(num_classes=10)
device = "cuda" if torch.cuda.is_available() else "mps" if torch.backends.mps.is_available() else "cpu"
model = model.to(device)
fname = f"{dir}/model_{idx}.pt"
model.load_state_dict(torch.load(fname))
print(f'{fname} loaded')
model.eval()
# MIA
# member
with torch.no_grad():
for X, y in in_loader:
X, y = X.to(device), y.to(device)
pred = torch.nn.Softmax()(model(X))
pred_list.append(pred.to('cpu').numpy())
ans_list.append(np.ones(pred.shape[0]))
class_list.append(y.to('cpu').numpy())
#non-member
with torch.no_grad():
for X, y in out_loader:
X, y = X.to(device), y.to(device)
pred = torch.nn.Softmax()(model(X))
pred_list.append(pred.to('cpu').numpy())
ans_list.append(np.zeros(pred.shape[0]))
class_list.append(y.to('cpu').numpy())
pred = np.concatenate(pred_list)
ans = np.concatenate(ans_list)
c = np.concatenate(class_list)
print(pred.shape, ans.shape, c.shape)
f = open(dir + f'/attack_dataset_{target_idx}.pkl', 'wb')
pickle.dump((pred, ans, c), f)
make_attack_dataset(target_idx=0)
make_attack_dataset(target_idx=100)
攻撃モデルの学習
3層のニューラルネットワークを用いて攻撃モデルの学習を行います。
class FC(nn.Module):
def __init__(self, num_class=2, input_size=10, num_layer=3, num_unit=100):
super().__init__()
self.num_layer=num_layer
self.l1 = nn.Linear(in_features=input_size,out_features=num_unit)
self.l2 = nn.Linear(in_features=num_unit, out_features=num_unit)
self.l3 = nn.Linear(in_features=num_unit, out_features=num_class)
def forward(self, x):
x = F.relu(self.l1(x))
x = F.relu(self.l2(x))
x = self.l3(x)
return x
def train_attack_model(target_idx=0, dir='/content/drive/MyDrive/MemGuard'):
f = open(dir + f'/attack_dataset_{target_idx}.pkl', 'rb')
(pred, ans, c) = pickle.load(f)
for class_idx in range(10):
if os.path.exists(f'{dir}/attack_{target_idx}_{class_idx}.pt'):
print(f"attack_{target_idx}_{class_idx}.pt exist")
continue
x = pred[c==class_idx]
y = ans[c==class_idx]
x = torch.tensor(x, dtype=torch.float32)
y = torch.tensor(y, dtype=torch.int64)
train_dataset = torch.utils.data.TensorDataset(x, y)
train_loader = torch.utils.data.DataLoader(
train_dataset,
batch_size=128,
shuffle=True
)
model = FC()
device = "cuda" if torch.cuda.is_available() else "mps" if torch.backends.mps.is_available() else "cpu"
model = model.to(device)
optimizer = torch.optim.Adam(model.parameters(), lr=1e-3, weight_decay=1e-4)
model.train()
criterion = torch.nn.CrossEntropyLoss()
# training attack dataset
pbar = tqdm(range(30), desc=f"[class idx: {class_idx}]")
for epoch in pbar:
losses = []
for data, target in train_loader:
data, target = data.to(device), target.to(device)
optimizer.zero_grad()
output = model(data)
loss = criterion(output, target)
loss.backward()
optimizer.step()
losses.append(loss.item())
pbar.set_postfix(loss=np.mean(losses))
torch.save(model.state_dict(), f"{dir}/attack_{target_idx}_{class_idx}.pt")
train_attack_model(target_idx=0)
train_attack_model(target_idx=100)
6. MemGuard
MemGuardのphase1に従って、ノイズを作成します。
この際に、被害モデルと被害モデルを使って作成した攻撃モデルを用います。
def MemGuard_phase1(dataset, target_idx=0, dir='/content/drive/MyDrive/MemGuard'):
device = "cuda" if torch.cuda.is_available() else "mps" if torch.backends.mps.is_available() else "cpu"
# load target modeol
target_model = torchvision.models.resnet18(num_classes=10)
target_model = target_model.to(device)
target_model.load_state_dict(torch.load(f"{dir}/model_{target_idx}.pt"))
target_model.eval()
# load attack models
attack_models = []
for class_idx in range(10):
attack_model = FC()
attack_model = attack_model.to(device)
attack_model.load_state_dict(torch.load(f"{dir}/attack_{target_idx}_{class_idx}.pt"))
attack_model.eval()
attack_models.append(attack_model)
success_count = 0
protected_output = []
original_output = []
class_label = []
# for i in tqdm(range(len(dataset))):
for i in tqdm(range(500)):
x, y = dataset[i]
attack_model = attack_models[y]
class_label.append(y)
x = torch.stack([x])
x = x.to(device)
logit_org = target_model(x).detach().clone()
pred_org = np.argmax(logit_org[0].to('cpu').detach().numpy())
last_output = nn.Softmax()(logit_org)[0].to('cpu').detach().clone()
original_output.append(last_output)
mia_logit = attack_model(nn.Softmax()(logit_org))
mia_pred_org = nn.Softmax()(mia_logit).to('cpu').detach()[0,0]
if np.abs(mia_pred_org - 0.5) <= 1e-5:
protected_output.append(last_output)
success_count += 1
continue
mask = F.one_hot(torch.tensor([y]),10)
mask = mask.to(device)
c1=1.0
c2=10.0
c3=0.1
max_iter=300
iterate_time = 1
while True:
logit = logit_org.detach().clone()
logit.requires_grad = True
pred = np.argmax(logit[0].to('cpu').detach().numpy())
mia_logit = attack_model(nn.Softmax()(logit))
mia_pred = nn.Softmax()(mia_logit).to('cpu').detach()[0,0]
j = 1
while j < max_iter and (pred != pred_org or (mia_pred - 0.5)*(mia_pred_org - 0.5) > 0):
loss1 = torch.sum(torch.abs(mia_logit), dim=1)
correct_logit = torch.sum(logit*mask, dim=1)
wrong_logit = torch.amax(logit*(1-mask) - 1e8*mask, dim=1)
loss2 = F.relu(wrong_logit - correct_logit)
loss3 = torch.sum(torch.abs(nn.Softmax()(logit) - nn.Softmax()(logit_org)), dim=1)
loss = loss1 + c2*loss2 + c3*loss3
loss = loss.mean()
attack_model.zero_grad()
loss.backward()
grad = logit.grad.data
grad = grad / torch.norm(grad)
logit = logit - 0.1*grad
logit = logit.detach()
logit.requires_grad = True
pred = np.argmax(logit[0].to('cpu').detach().numpy())
mia_logit = attack_model(nn.Softmax()(logit))
mia_pred = nn.Softmax()(mia_logit).to('cpu').detach()[0,0]
# print(j,mia_pred, loss1, loss2, loss3)
j += 1
if pred != pred_org:
break
if (mia_pred - 0.5)*(mia_pred_org - 0.5) > 0:
success_count += 1
break
last_output = nn.Softmax()(logit)[0].to('cpu').detach().clone()
iterate_time += 1
c3 *= 10
if c3 > 100000:
success_count += 1
break
protected_output.append(last_output)
# print(i, 'iteration', iterate_time, 'original: mia', mia_pred_org, 'prediction', pred_org, 'protected: mia', mia_pred, 'prediction', pred)
# break
print(success_count, len(dataset))
return protected_output, original_output, class_label
dir='/content/drive/MyDrive/MemGuard'
idx = 0
if os.path.exists(f'{dir}//memguard_phase1_{idx}.pkl'):
print(f"memguard_phase1_{idx}.pkl exist")
else:
#split training data
train_in, train_out = torch.utils.data.random_split(dataset=training_data, lengths=[25000, 25000], generator=torch.Generator().manual_seed(idx))
out = []
protected_in, original_in, class_in = MemGuard_phase1(train_in, target_idx=idx)
out.append((protected_in, original_in, class_in))
protected_out, original_out, class_out = MemGuard_phase1(train_out, target_idx=idx)
out.append((protected_out, original_out, class_out))
f = open(dir + f'/memguard_phase1_{idx}.pkl', 'wb')
pickle.dump(out, f)
MemGuardのphase2では、ノイズの大きさの期待値が閾値以下になるように、確率的にノイズを付加します。
def MemGuard_phase2(protected, original, class_label, epsilon, target_idx=0, dir='/content/drive/MyDrive/MemGuard'):
device = "cuda" if torch.cuda.is_available() else "mps" if torch.backends.mps.is_available() else "cpu"
# load attack models
attack_models = []
for class_idx in range(10):
attack_model = FC()
attack_model = attack_model.to(device)
attack_model.load_state_dict(torch.load(f"{dir}/attack_{target_idx}_{class_idx}.pt", map_location=device))
attack_model.eval()
attack_models.append(attack_model)
output = []
for i in range(len(protected)):
attack_model = attack_models[class_label[i]]
output_org = original[i]
output_org = torch.stack([output_org])
output_org = output_org.to(device)
output_protected = protected[i]
output_protected = torch.stack([output_protected])
output_protected = output_protected.to(device)
mia_pred_org = nn.Softmax(dim=1)(attack_model(output_org)).to('cpu').detach()[0,1]
mia_pred_protected = nn.Softmax(dim=1)(attack_model(output_protected)).to('cpu').detach()[0,1]
if np.abs(mia_pred_org-0.5)<=np.abs(mia_pred_protected-0.5):
output.append(original[i])
else:
diff = np.sum(np.abs((output_org - output_protected).to('cpu').detach().numpy()))
p = min(epsilon / diff, 1.0)
if np.random.random() <= p:
output.append(protected[i])
else:
output.append(original[i])
return output
def run_MIA(output, class_label, attack_idx=100):
device = "cuda" if torch.cuda.is_available() else "mps" if torch.backends.mps.is_available() else "cpu"
output = torch.stack(output)
class_label = np.array(class_label)
mia_pred = []
for class_idx in range(10):
attack_model = FC()
attack_model = attack_model.to(device)
attack_model.load_state_dict(torch.load(f"{dir}/attack_{attack_idx}_{class_idx}.pt", map_location=device))
attack_model.eval()
tmp_output = output[class_label==class_idx]
tmp_output = tmp_output.to(device)
mia_pred.append(nn.Softmax(dim=1)(attack_model(tmp_output)).to('cpu').detach().numpy()[:,1])
mia_pred = np.concatenate(mia_pred)
return mia_pred
idx = 0
dir='/content/drive/MyDrive/MemGuard'
f = open(dir + f'/memguard_phase1_{idx}.pkl', 'rb')
out = pickle.load(f)
protected_in, original_in, class_in = out[0]
protected_out, original_out, class_out = out[1]
for epsilon in [1.0, 0.5, 0.3, 0.1, 0.0]:
output_in = MemGuard_phase2(protected_in, original_in, class_in, epsilon, idx)
mia_pred_in = run_MIA(output_in, class_in, attack_idx=100)
ans_in = np.ones(mia_pred_in.shape)
output_out = MemGuard_phase2(protected_out, original_out, class_out, epsilon, idx)
mia_pred_out = run_MIA(output_out, class_out, attack_idx=100)
ans_out = np.zeros(mia_pred_out.shape)
ans = np.concatenate([ans_in, ans_out])
mia_pred = np.concatenate([mia_pred_in, mia_pred_out])
fpr, tpr, thresholds = metrics.roc_curve(ans, mia_pred)
mia_auc = metrics.auc(fpr, tpr)
plt.plot(fpr,tpr,label=f'epsilon={epsilon}')
mia_pred = np.rint(mia_pred)
mia_accuracy = metrics.accuracy_score(ans, mia_pred)
print(f'epsilon: {epsilon}, MIA accuracy: {mia_accuracy}, AUC: {mia_auc:0.3f}')
plt.legend()
plt.show()
おわりに
今回の結果
MemGuardを用いることで、ノイズが大きいほどメンバーシップ推定攻撃の成功率を下げることができていることを確認できました。
ただし、予測クラスに影響を与えないという条件があるため、防御としての限界はあるように思えました。
次にやること
他の防御手法も検証してみたいと思います。
参考資料
- J. Jia et al., MemGuard: Defending against Black-Box Membership Inference Attacks via Adversarial Examples, CCS, 2019
- MemGuard
https://github.com/jinyuan-jia/MemGuard - R. Shokri et al., Membership Inference Attacks Against Machine Learning Models, IEEE S&P, 2017
- PyTorch Quickstart
https://pytorch.org/tutorials/beginner/basics/quickstart_tutorial.html - CIFAR-10
https://www.cs.toronto.edu/~kriz/cifar.html