python - 'RandomForestClassifier'对象没有属性'layers'

我正在尝试攻击我的随机森林分类器。

clf = RandomForestClassifier(max_features="sqrt", n_estimators=500, n_jobs=-1, verbose=1, warm_start=True)
clf.fit(X_train, y_train)

在定义之后，我进行了预测，然后执行了以下代码：

from keras import backend
from cleverhans.utils_keras import KerasModelWrapper
from cleverhans.attacks import FastGradientMethod
sess =  backend.get_session()

wrap = KerasModelWrapper(clf)
fgsm = FastGradientMethod(wrap, sess=sess)
fgsm_params = {'eps': 0.15,
               'clip_min': 0.,
               'clip_max': 1.}

adv_x = fgsm.generate_np(X_test, **fgsm_params)
adv_x.shape

在-> 10 adv_x = fgsm.generate_np（X_test，** fgsm_params）时出现属性错误。


  AttributeError：“ RandomForestClassifier”对象没有属性
  “层”


我的意思是，我的分类器没有层次，但是如何进行fgsm攻击？有没有一种方法可以将randomforestclassifier添加到顺序模型以具有图层？还是有另一种攻击方式？

最佳答案

您将无法在sklearn模型上进行FGSM攻击，因为CleverHans无法计算找到扰动输入以找到对抗性示例的方向所需的梯度。要计算这些梯度，需要对模型进行符号定义，这需要使用TensorFlow（直接或通过像Keras这样的高级抽象）定义模型。

如果您想使用sklearn模型，则可以将其包装为CleverHans模型，并仅使用无梯度攻击，例如SPSA。