Skip to content

pod3275/Universal-Adversarial-Text

Repository files navigation

Universal-Adversarial-Text




Introduction

  • 주어진 NLP 모델에 대해 단 하나의 perturbation 문장을 생성함으로써 모델을 속이는 Universal Adversarial Attack 기법
  • Universal adversarial attack에 의해 생성되는 문장은 입력 문장에 추가되고, 이로 인해 문장의 분류 결과는 기존과 다르게 나타남
  • 제안 기법은 baseline 기법에 비해 약간 좋은 성능을 나타내고, 더욱 효율적으로 attack을 수행할 수 있음

Proposed Method



(a) Original dataset을 이용하여 text classification 모델 학습

  • 분류 모델 : embedding layer + 2 layer LSTM cell + FCN
  • e (word embedding 차원) = 300
  • LSTM cell의 hidden node 수 = 128
  • FCN의 hidden node 수 = 256

(b) Adversarial text의 word embedding 값 최적화

  • 특정 문장에 대해 embedding layer의 output인 embedding 값과, random initialize된 길이 n의 adversarial text의 word embedding 값을 concatenate
  • 이후 output이 바뀌도록 하는 adversarial text의 embedding 값을 optimize
  • 이전의 문장 분류 모델의 weight은 고정

(c) Adversarial text의 각 단어 추출

  • adversarial text의 embedding 값 * embedding layer의 lookup table 의 가장 높은 column index
  • adversarial text의 embedding 값과 lookup table 사이 cosine similarity를 계산하는 방식
  • 추출된 문장을 원본 문장의 뒤에 concatenate 하여 adversarial example 생성, 테스트 수행

Experiments

  • Dataset
  • Training model
    • epoch = 20, learning rate = 0.001, batch size = 250, Adam optimizer
  • Optimize adversarial text
    • epoch = 10, learning rate = 0.0001, batch size = 250, Adam optimizer
  • Baseline model

Results

  • Qualitative result

  • Baseline과 거의 유사한 성능으로, 하지만 더욱 빠르게 실행 가능

  • Quantitative result

    • Adversarial text

  • 자연스러운 문장은 아님 : Language model을 고려하지 않음

Discussion

  • Adversarial text의 각 word의 embedding 값의 범위 초과


  • Optimized adversarial text의 embedding 값이 기존 word embedding 값의 범위를 초과

  • 학습되는 parameter의 weight을 제한하는 기법이 필요함

  • 자연스럽지 못한 adversarial text 문장

    • (앞서 말한) 범위 제약 조건의 부재
    • Adversarial text 내 각 word를 독립적으로 optimize하기 때문
    • Language model의 속성을 고려해야 함
    • k-Nearest Neighbor 기법 + beam search 적용

Conclusions

  • 하나의 모델에 대해 단 하나의 adversarial text를 생성하는 Universal adversarial attack을 NLP 모델에의 적용 연구
  • 실험 결과 제안 기법은 성능이 비슷한 baseline 모델에 비해 더욱 시간 효율적으로 attack 수행 가능
  • Text 데이터는 continuous한 image 데이터와는 달리 discrete하기 때문에, 이 특징을 바탕으로 각 input sentence의 동일한 위치의 단어에 대한 modification 혹은 동일한 위치에 특정 단어를 insertion하는 등의 작업을 수행하는 universal adversarial attack 가능