作者提出了一种对抗样本生成算法TEXTFOOLER。
论文中，作者使用这种方法，对文本分类与文本蕴含两种任务做了测试，成功的攻击了这两种任务的相关模型，包括：BERT,CNN,LSTM,ESIM等等。
问题定义
一个有效的样本：和原样本近似。
给定文本x，以及训练好的模型F，F(x)=y，一个有效的对抗样本要满足:
其中是相似度函数，值域在[0,1]，是最小相似度阈值。
TEXTFOOLER
论文的设定是黑盒模型，也就是说不知道模型的结构、参数、训练数据，能够知道的就是，输入文本给模型然后得到输出标签以及相关置信度得分。
论文中生成对抗样本主要包含两个步骤：词语重要性排序，词语转换。
因为是黑盒，作者通过这种方式来算重要性。其中，Xwi = {w1, . . . , wi−1, wi+1, . . . wn}, 就是去掉wi这个词，观察去掉wi前后的分数置信度的变化程度。
在过滤停用词时，去掉了the when more这种，使用的是NLTK2 和 spaCy3 库。
词语转换
论文作者认为，一个好的词语转换机制需要满足3个条件：
跟原词有相近的语义，
跟上下文比较融洽，
能让模型做出错误的预测。
同义词提取：论文作者根据【1】中的词向量，获取所有跟词wi最接近的N个且consine相似度大于一个阈值的词，以此作为候选词。N与阈值的大小都会影响到候选词的数量，论文实验中，将N设置为50，阈值设置为0.7。
词性检查：在候选词中，只保留与wi词性相同的词。
语义相似度检查：使用候选词中每个词替换原词wi，得到对抗样本x adv，论文使用UES【2】将句子编码向量化，然后计算与原句子向量之间的consine相似度，如果相似度大于阈值，则保留这个候选词。
获取对抗样本：如果还有候选词，且存在候选词改动后的样本使得模型预测标签与原标签不一致，那么选择语义相似度最大的一个词生成对抗样本；否则，我们选择一个词，其改变之后让模型对原标签的置信度最低，将原词替换为此词，并根据重要性排序选择下一个词重复第二步（词语转换）。
根据算法生成的对抗样本示例：
语义相似度还是挺高的。
实验
实验选择了两种文本任务：文本分类，文本蕴含，使用的相关数据集为：
实验中分别为两个任务选择了三个模型，模型的原始准确率如下：
结果
其中Original Accuracy表示原测试集准确性，After-Attack Accuracy表示对抗样本的准确性，% Perturbed Words表示对抗样本与原样本相比扰动的比例，Semantic Similarity表示对抗样本与原样本的相似度，Query Number表示使用模型F的次数（论文中未明确说明），m/mm中m表示匹配mm表示不匹配。
论文中结论显示，成功地攻击了两种文本任务，使用低于20%的扰动率，将模型的准确率降低到15%以下；且观察到一个简单结果：模型的准确率越高，就越难被攻击。
降低了好多。
人工评价：
论文作者随机抽取了MR与SNLI个100个对抗样本，进行人工评价（1-5分），结果表明对抗样本与原样本在语法上相近，绝大部分情况都有相同的属性，且他们之间的感知差异较小。
讨论分析
可迁移性
论文作者使用一个模型生成的对抗样本去测试另外一个模型，结果表明这样生成的样本也会使其他模型一定程度上降低准确性。
对抗训练
论文中使用生成的对抗样本与原训练集一起重新训练模型，结果表明新得到的模型比原模型更难收到攻击，具有更好的鲁棒性。
错误分析
论文作者认为，他们的对抗样本容易收到三种类型的错误影响：词义歧义，语法错误，任务敏感的内容变换。
总结
在黑盒模型的情况下，以及在文本分类和文本蕴含任务中，该论文成功进行了对当前最优的模型的对抗攻击。实验表明，该论文提出的TEXTFOOLER方法能够生成有效的对抗样本，并且大部分都是人类易读的，且语法与语义上与原文本相似。
论文之外
在实际工作中，使用bert类模型做中文文本分类与文本蕴含任务的时候，也遇到了模型鲁棒性的问题，增加或删除一个字词，甚至只是一个标点符号，都可能会改变模型最终结果，这种修改导致模型结果不一致的可能性大概在3-4%（作者的任务中）。反过来说，如果解决这种及其微小扰动的鲁棒性问题，是不是直接可以提升模型准确率3-4个点？
论文也给了代码，感觉很棒棒，之后想用在比赛中的对抗训练中试一试！