🌐 概述

🔍 ARES 2.0（对安全性的对抗鲁棒性评估）是一个致力于对抗性机器学习研究的Python库。它旨在评估图像分类和目标检测模型的对抗鲁棒性，并通过鲁棒训练引入防御对抗攻击的机制。

🌟 特性

• 基于 Pytorch 开发。
• 支持对分类模型的多种攻击。
• 对目标检测模型进行对抗性攻击。
• 提供鲁棒训练以增强鲁棒性，并提供各种训练好的检查点。
• 支持分布式训练和测试。

💾 安装

1. 可选：为ARES 2.0初始化专用环境。

   conda create -n ares python==3.10.9
   conda activate ares
   

2. 通过以下命令克隆并设置ARES 2.0：

   git clone https://github.com/thu-ml/ares2.0
   cd ares2.0
   pip install -r requirements.txt
   mim install mmengine==0.8.4
   mim install mmcv==2.0.0 
   mim install mmdet==3.1.0
   pip install -v -e .
   

🚀 快速开始

• 关于图像分类模型对抗攻击的鲁棒性评估，请参考分类。
• 关于目标检测模型的鲁棒性评估，请参考检测。
• 关于鲁棒训练的方法，请参考鲁棒训练。

📘 文档

📚 在这里可以访问详细的教程和API文档，了解攻击分类模型、目标检测模型和鲁棒训练的策略。

📝 引用

如果ARES 2.0在您的工作中有所帮助，请引用我们关于对抗鲁棒性的论文，该论文涵盖了ARES 2.0中包含的所有模型、攻击和防御：

@inproceedings{dong2020benchmarking,
  title={Benchmarking Adversarial Robustness on Image Classification},
  author={Dong, Yinpeng and Fu, Qi-An and Yang, Xiao and Pang, Tianyu and Su, Hang and Xiao, Zihao and Zhu, Jun},
  booktitle={Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)},
  pages={321--331},
  year={2020}
}