在4.3.2 节的基础上，本节将给出具体的实验方案，包括实验方案概述及目标、实验开发环境、具体实验的数据结构及算法实现、实验结果及其评价、实验方案的总结等。
1. 方案概述
本方案主要通过三个实验来验证算法。
（1）为验证CMA 算法确实比NES + PGD 方法需要的查询次数少，本方案将两种攻击方法进行对比实验，并进行数据分析。对比实验内容：随机抽取10 幅ImageNet 的图像，将图像两两组合进行对抗样本生成任务。这称为10 × 10 循环对抗样本生成任务。然后，统计两种攻击方法完成等效攻击所需的查询次数。
（2）为验证有效进化算法的有效性与高效性，本方案统计上述10 × 10 循环对抗样本生成任务所需的初始有效样本数目和完成有效进化所需的迭代轮数。
（3）为验证对于有效进化优化的有效性，本方案对比未加优化的有效进化、加靠近目标投影的有效进化、加入靠近目标投影和扩散高斯扰动的有效进化的进化效果。将 1 × 10 的对抗样本生成任务作为实验内容，统计各算法完成攻击所需的查询次数。
2. 实验开发环境
本实验采用远程连接服务的方式来完成算法开发的实验环境。主要的实验环境配置如表4−3−1 所示。
表4−3−1 实验环境配置
3. 开发环境搭建
在此，默认服务器端是可连接的，支持SSH 连接以及SFTP 数据传输协议，并且有服务器的用户账号及密码。配置服务器编译环境的步骤如下：
第 1 步，下载所需的环境配置文件，包括到官网 http://continuum.io/downloads 下载 anaconda。
第 2 步，使用 PuTTY 远程 SSH 连接服务器。操作示意如图 4 − 3 − 10、图 4 − 3 − 11 所示。
图4−3−10 PuTTY 远程连接服务器(www.xing528.com)
图4−3−11 PuTTY 登录服务器
第3 步，将运行目录放在anaconda 包所在的位置，并执行命令“bash Anaconda3 − 4.3.1 − Linux − x86_64.sh”。
第4 步，在安装anaconda 后，安装CUDA、cudnn、TensorFlow。代码如下：
4. 实验环境搭建
配置本地主机的IDE 环境，需要下载PyCharm 的 Professional 版本。然后，主要配置两项内容：远程解释器；远程文件路径。
远程解释器的配置操作：File→Settings→Project→Project Interpreter。配置内容如图 4 − 3 − 12 所示。
图4−3−12 远程解释器的配置内容
远程文件配置操作：Tools→Deployment→Configuration。配置内容如图 4 − 3 − 13、图 4 − 3 − 14 所示。
图4−3−13 远程文件路径配置内容1
图4−3−14 远程文件路径配置内容2
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
