山东大学云计算实验(生成语音对抗样本)

Posted 2022-05-27 Burger_

软件环境：

华为云弹性服务器

最好选择西南-贵阳一、华东-上海一等有GPU加速型服务器的地区的GPU加速型服务器，这样在之后可以用英伟达的显卡加速；否则之后创建镜像再迁移很麻烦。

实验步骤与内容：

1.按照README.md，第一步安装docker没有问题。

2.从第二步运行setup.sh开始会报很多错（没有报类似错的请忽略），比如：

执行setup.sh中的docker build时没有权限，所以在前面加了sudo

pip install超时，在docker文件夹中的aae_deepspeech_041_gpu.dockerfile里面的第25行pip3之后加上--default-timeout=1000

failed to fetch：

在执行它提示的apt-get update –fix-missing之后仍然报错，只不过少一些：

百度，找到这个博客：E: Unable to fetch some archives, maybe run apt-get update or try with --fix-missing?_寰宇001的博客-CSDN博客https://blog.csdn.net/qq_40907977/article/details/102967464

他说在/etc/resolv.conf里添加nameserver 8.8.8.8，照做，终于不报这个错了。

git clone（aae_deepspeech_041_gpu.dockerfile里的）又出现问题：

以下这几种方法都试过，也不知道是哪种导致最后成功了：

apt-get install curl
git config --global --unset http.proxy
git config --global --unset https.proxy

https://zhuanlan.zhihu.com/p/378894743https://zhuanlan.zhihu.com/p/378894743将“https://github.com/tom-doerr/DeepSpeech”的https改成http（应该是这个起作用了）

安装cpu版本的tensorflow的时候又出错了，timeout：

 对于这样的大包，我们先把它下载到本地，再上传到云服务器（tensorflow-1.12.0-cp35-cp35m-manylinux1_x86_64.whl移动到项目的docker文件夹下，deepspeech-0.4.1-checkpoint.tar.gz移动到项目文件夹下）：

#scp 本地文件路径 远程用户名@ip地址:远程路径
scp tensorflow-1.12.0-cp35-cp35m-manylinux1_x86_64.whl root@121.37.68.105:/home/
scp deepspeech-0.4.1-checkpoint.tar.gz root@121.37.68.105:/home/

然后cd到docker文件夹下，修改aae_deepspeech_041_cpu.dockerfile的内容为：

FROM aae_deepspeech_041_gpu
COPY tensorflow-1.12.0-cp35-cp35m-manylinux1_x86_64.whl /home
RUN pip3 install /home/tensorflow-1.12.0-cp35-cp35m-manylinux1_x86_64.whl

执行命令：

docker build -f aae_deepspeech_041_cpu.dockerfile -t "aae_deepspeech_041_cpu" .

这样就解决了timeout的问题，成功安装tensorflow1.12的cpu版本。

成功构建gpu和cpu镜像之后应该是这样的（none应该是临时镜像不用管它）：

 cd到项目目录，修改setup.sh，根据自己的情况注释掉已经成功运行的命令：

 最后setup.sh成功执行应该是这样：

 查看项目文件夹发现deepspeech-0.4.1-checkpoint.tar.gz已经被解压且被删除：

3.华北-乌兰察布一的服务器没有装英伟达的驱动，所以我推测它没有英伟达显卡：

 所以我们采用CPU的命令启动容器：

docker run -it --mount src=$(pwd),target=/audio_adversarial_examples,type=bind -w /audio_adversarial_examples aae_deepspeech_041_cpu

 4.检查是否可以正确分离正常音频：

python3 classify.py --in sample-000000.wav --restore_path deepspeech-0.4.1-checkpoint/model.v0.4.1

（PS：最后一个单词应该是两个词is useless）

5. 生成对抗样本（CPU太慢了，可以将迭代数改少一点比如100）：

python3 attack.py --in sample-000000.wav --target "this is a test" --out adv.wav --iterations 100 --restore_path deepspeech-0.4.1-checkpoint/model.v0.4.1

（PS：多核的CPU貌似可以使过程快一些）

6. 验证攻击成功：

python3 classify.py --in adv.wav --restore_path deepspeech-0.4.1-checkpoint/model.v0.4.1

7. 尝试一下GPU版本，报错：

 就这样吧，累了，毁灭吧。

 结论分析与体会：

 1.单纯的把这个实验跑出来的话难度不算大，照着readme做就行。关键是运行setup.sh的时候出的错误真的让人心力憔悴。

2.为了解决clone GitHub失败的问题还去Gitee创建了仓库，但是改变成开源还需要等很长时间，Gitee不和Github学点好的，尽瞎整。这里给出DeepSpeech(https://github.com/mozilla/DeepSpeech.git)的Gitee仓库地址：https://gitee.com/liuburger/DeepSpeech

3.解决了报错之后没有必要删掉容器或镜像重新来过，再次运行setup.sh就可以，docker会自动采用之前的cache，但前提是你的docker必须一直处于运行状态、没有stop存有cache的容器。

4. 这里附上一些实用的docker命令：

#启动所有容器：
docker start $(docker ps -a | awk ' print $1 ' | tail -n +2)
#停止所有容器：
docker stop $(docker ps -a -q)

写在最后

有问题欢迎在评论区探讨。