# ====== 环境依赖安装 ======
%pip install "torch>=2.0,<3.0" "transformers>=4.37,<5.0" "accelerate>=0.26,<1.0" ipywidgets ipython-autotime -q
%load_ext autotime

# ====== 导入依赖 ======
import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

# ====== 验证环境 ======
print("=" * 50)
print("🔧 环境检查")
print("=" * 50)
print(f"  PyTorch 版本: {torch.__version__}")
print(f"  CUDA 可用: {torch.cuda.is_available()}")
if torch.cuda.is_available():
    print(f"  GPU 型号: {torch.cuda.get_device_name(0)}")
    print(f"  GPU 显存: {torch.cuda.get_device_properties(0).total_memory / 1e9:.1f} GB")
print("✓ 环境检查完成！")

# ====== 加载 Qwen2 模型 ======
model_name = "Qwen/Qwen2-1.5B-Instruct"

print("=" * 50)
print("📥 模型加载")
print("=" * 50)
print(f"  模型名称: {model_name}")
print("  (首次运行需要下载，请耐心等待...)")

tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(
    model_name,
    dtype=torch.float16,
    device_map="auto"
)

print("=" * 50)
print("✓ 模型加载完成！")
print(f"  模型参数量: {model.num_parameters()/1e9:.2f}B")
print(f"  运行设备: {next(model.parameters()).device}")
print("=" * 50)

# ====== 定义情感分类器 ======

CLASSIFIER_PROMPT = """你是一个情感分析助手。你的唯一任务是判断用户输入的文本是"正面"还是"负面"。

规则：
- 只回复"正面"或"负面"两个字，不要回复任何其他内容
- 根据文本的整体情感倾向做判断"""

def classify_sentiment(text, max_tokens=10):
    """
    使用 Qwen 模型对文本进行情感分类
    
    参数:
        text (str): 待分类的文本
        max_tokens (int): 最大生成长度
    
    返回:
        str: 模型的分类结果
    """
    messages = [
        {"role": "system", "content": CLASSIFIER_PROMPT},
        {"role": "user", "content": text}
    ]
    chat_text = tokenizer.apply_chat_template(
        messages, tokenize=False, add_generation_prompt=True
    )
    inputs = tokenizer([chat_text], return_tensors="pt").to(model.device)
    outputs = model.generate(
        **inputs,
        max_new_tokens=max_tokens,
        temperature=0.1,       # 低温度使输出更稳定
        do_sample=True,
        pad_token_id=tokenizer.eos_token_id
    )
    response = tokenizer.decode(
        outputs[0][inputs['input_ids'].shape[1]:],
        skip_special_tokens=True
    ).strip()
    return response

# 快速测试分类器
test_cases = [
    "这部电影真的太好看了，强烈推荐！",
    "服务态度很差，再也不来了。",
    "今天天气不错，心情很好。",
    "这个产品质量太差了，白花钱了。",
]

print("=" * 60)
print("🧪 情感分类器基线测试")
print("=" * 60)
for text in test_cases:
    result = classify_sentiment(text)
    print(f"  📝 文本：{text}")
    print(f"  🏷️ 判断：{result}")
    print()

print("✓ 分类器准备就绪！")

# ✅ 检查点：验证模型和工具函数
assert model is not None, "❌ 模型加载失败"
assert tokenizer is not None, "❌ 分词器加载失败"
assert callable(classify_sentiment), "❌ classify_sentiment 函数未定义"
print("✅ 检查点通过：模型加载成功，情感分类函数就绪！")

# ====== 引导演示：形近字替换 ======
# 把部分简体字替换为繁体字或形近字

original = "这部电影真的太好看了，强烈推荐！"
adversarial = "這部電影真的太好看了，強烈推薦！"  # 简体→繁体

print("=" * 60)
print("🔬 演示：形近字替换攻击")
print("=" * 60)
print(f"  原始文本：{original}")
print(f"  对抗文本：{adversarial}")
print()

# 展示字符差异
print("  逐字对比（不同之处用 * 标记）：")
for i, (c1, c2) in enumerate(zip(original, adversarial)):
    if c1 != c2:
        print(f"    位置 {i}: '{c1}' → '{c2}'  *")

print()
orig_result = classify_sentiment(original)
adv_result = classify_sentiment(adversarial)
print(f"  原始文本分类：{orig_result}")
print(f"  对抗文本分类：{adv_result}")
print(f"  攻击结果：{'✓ 分类改变' if orig_result != adv_result else '✗ 分类未变'}")

# ========== 填空 1：零宽字符插入攻击 ==========
# 
# 🎯 任务：在文本中插入零宽字符（\u200b），观察是否影响分类
# 
# 💡 提示：
#   - 零宽字符是不可见的 Unicode 字符
#   - 可以用 Python 字符串拼接，在每个字之间插入 "\u200b"
#   - 使用 "\u200b".join(list(text)) 可以在每个字符之间插入零宽字符
# 
# 请将 ___________ 替换为正确的代码

original = "服务态度很差，再也不来了。"

# 在每个字符之间插入零宽字符
adversarial_zwj = ___________
# 期望：生成带有零宽字符的版本，如 "服\u200b务\u200b态\u200b度..."

print("=" * 60)
print("🔬 填空1：零宽字符插入攻击")
print("=" * 60)
print(f"  原始文本：{original}")
print(f"  对抗文本（显示）：{adversarial_zwj}")
print(f"  原始文本长度：{len(original)} 字符")
print(f"  对抗文本长度：{len(adversarial_zwj)} 字符")
print()

orig_result = classify_sentiment(original)
adv_result = classify_sentiment(adversarial_zwj)
print(f"  原始文本分类：{orig_result}")
print(f"  对抗文本分类：{adv_result}")
print(f"  攻击结果：{'✓ 分类改变' if orig_result != adv_result else '✗ 分类未变'}")

# ========== 填空 2：同形异码字符替换 ==========
# 
# 🎯 任务：将英文字母替换为外观相同的西里尔字母
# 
# 💡 提示：
#   - 英文 "a" 和 西里尔字母 "а"（\u0430）外观一样但编码不同
#   - 英文 "o" 和 西里尔字母 "о"（\u043e）也是如此
#   - 英文 "e" 和 西里尔字母 "е"（\u0435）同样如此
#   - 使用 str.replace() 方法替换
# 
# 请将 ___________ 替换为正确的代码

original_en = "This product is really bad, waste of money!"

# 将英文字母替换为西里尔字母
adversarial_homoglyph = ___________
# 期望：将 original_en 中的 "a" 替换为 "\u0430"，"o" 替换为 "\u043e"

print("=" * 60)
print("🔬 填空2：同形异码字符替换")
print("=" * 60)
print(f"  原始文本：{original_en}")
print(f"  对抗文本：{adversarial_homoglyph}")
print(f"  看起来一样吗？{'是' if original_en == adversarial_homoglyph else '不是（编码不同）'}")
print()

# 展示编码差异
print("  编码对比（前20个字符）：")
for i in range(min(20, len(original_en))):
    o = original_en[i]
    a = adversarial_homoglyph[i] if i < len(adversarial_homoglyph) else ""
    marker = " *" if o != a else ""
    print(f"    '{o}' (U+{ord(o):04X}) → '{a}' (U+{ord(a):04X}){marker}")

print()
orig_result = classify_sentiment(original_en)
adv_result = classify_sentiment(adversarial_homoglyph)
print(f"  原始文本分类：{orig_result}")
print(f"  对抗文本分类：{adv_result}")
print(f"  攻击结果：{'✓ 分类改变' if orig_result != adv_result else '✗ 分类未变'}")

# ========== 填空 3：同义词替换攻击 ==========
# 
# 🎯 任务：通过替换同义词来构造对抗样本
# 
# 💡 提示：
#   - 选择情感色彩强烈的词语进行替换
#   - "太好看了" → "蛮好看的"、"不错的"
#   - "强烈推荐" → "值得一看"、"可以看看"
#   - 保持句子通顺，含义基本不变，但降低情感强度
# 
# 请将 ___________ 替换为你构造的对抗文本

original = "这部电影真的太好看了，强烈推荐！"

# 通过同义词替换构造对抗样本
adversarial_synonym = ___________
# 期望：一个含义相近但用词不同的字符串，如 "这部电影还蛮不错的，值得一看。"

print("=" * 60)
print("🔬 填空3：同义词替换攻击")
print("=" * 60)
print(f"  原始文本：{original}")
print(f"  对抗文本：{adversarial_synonym}")
print()

orig_result = classify_sentiment(original)
adv_result = classify_sentiment(adversarial_synonym)
print(f"  原始文本分类：{orig_result}")
print(f"  对抗文本分类：{adv_result}")
print(f"  攻击结果：{'✓ 分类改变' if orig_result != adv_result else '✗ 分类未变'}")

# ====== 批量同义词替换测试 ======
# 对一组负面评价进行同义词替换，观察攻击成功率

negative_pairs = [
    ("服务态度很差，再也不来了。", "服务态度不太好，不太想再来了。"),
    ("这个产品质量太差了，白花钱了。", "这个产品质量一般般，性价比不高。"),
    ("难吃到极点，完全无法接受！", "味道不太好，不太符合期望。"),
    ("客服回复慢得要死，问题根本没解决。", "客服回复稍慢，问题还没有完全解决。"),
]

print("=" * 60)
print("📊 批量同义词替换测试")
print("=" * 60)

attack_success = 0
for orig, adv in negative_pairs:
    orig_result = classify_sentiment(orig)
    adv_result = classify_sentiment(adv)
    success = orig_result != adv_result
    if success:
        attack_success += 1
    
    print(f"\n  原始：{orig}")
    print(f"  对抗：{adv}")
    print(f"  分类：{orig_result} → {adv_result}  {'✓ 攻击成功' if success else '✗ 攻击失败'}")

print(f"\n{'=' * 60}")
print(f"📈 攻击成功率：{attack_success}/{len(negative_pairs)} = {attack_success/len(negative_pairs):.0%}")

# ========== 填空 4：构造多种扰动并对比 ==========
# 
# 🎯 任务：对同一段文本，分别应用三种扰动方法，对比效果
# 
# 💡 提示：
#   - 原始文本："这家餐厅的菜品非常美味，环境也很好，下次还来！"
#   - 方法1 形近字：将部分简体字换成繁体字（如 "餐厅"→"餐廳"，"美味"→"美味"(不变)，"環境"）
#   - 方法2 零宽字符：在每个字之间插入 \u200b
#   - 方法3 同义词：替换关键情感词（如 "非常美味"→"还可以"）
# 
# 请将 ___________ 替换为形近字替换版本

original = "这家餐厅的菜品非常美味，环境也很好，下次还来！"

# 形近字替换
adversarial_char = ___________
# 期望：简繁混合版本，如 "這家餐廳的菜品非常美味，環境也很好，下次還來！"

# 零宽字符（复用之前的方法）
adversarial_zwj = "\u200b".join(list(original))

# 同义词替换
adversarial_syn = "这家餐厅的菜品味道还行，环境一般，有机会可以再来。"

# 对比测试
methods = {
    "原始文本": original,
    "形近字替换": adversarial_char,
    "零宽字符": adversarial_zwj,
    "同义词替换": adversarial_syn,
}

print("=" * 60)
print("📊 多方法对抗攻击对比")
print("=" * 60)

results = {}
for method, text in methods.items():
    result = classify_sentiment(text)
    results[method] = result
    tag = "📝 原始" if method == "原始文本" else "💉 对抗"
    print(f"\n  {tag} [{method}]")
    print(f"  文本：{text[:40]}...")
    print(f"  分类：{result}")

# 统计
orig_label = results["原始文本"]
changed = sum(1 for k, v in results.items() if k != "原始文本" and v != orig_label)
print(f"\n{'=' * 60}")
print(f"📈 攻击统计：{changed}/3 种方法改变了分类结果")

# ========== 填空 5：设计自己的对抗样本 ==========
# 
# 🎯 任务：综合运用本实验学到的技术，设计一个最有可能改变分类结果的对抗样本
# 
# 💡 提示：
#   - 可以组合使用多种扰动方法
#   - 目标：让一条正面评价被分类为负面，或反之
#   - 提示：结合字符替换和词语调整可能效果更好
#   - 原始文本是正面的，尝试让模型判断为负面
# 
# 请将 ___________ 替换为你设计的对抗样本

original = "老板人很好，菜量大又实惠，五星好评！"

# 设计你的对抗样本（目标：让模型把这条正面评价判为负面）
my_adversarial = ___________
# 期望：一个结合了多种扰动技术的对抗文本

print("=" * 60)
print("🎨 填空5：你设计的对抗样本")
print("=" * 60)
print(f"  原始文本：{original}")
print(f"  对抗文本：{my_adversarial}")
print()

orig_result = classify_sentiment(original)
adv_result = classify_sentiment(my_adversarial)
print(f"  原始分类：{orig_result}")
print(f"  对抗分类：{adv_result}")
print(f"  攻击结果：{'✓ 成功！分类被改变了' if orig_result != adv_result else '✗ 未成功，可以尝试其他策略'}")