申请/专利权人：武汉大学

申请日：2020-05-21

公开（公告）日：2020-09-15

公开（公告）号：CN111666985A

主分类号：G06K9/62(20060101)

分类号：G06K9/62(20060101);G06N3/08(20060101)

优先权：

专利状态码：有效-授权

法律状态：2022.10.21#授权;2020.10.13#实质审查的生效;2020.09.15#公开

摘要：为了解决深度学习图像分类领域中的对抗样本攻击问题，通过利用dropout的随机性，可以有效实现图片对抗样本防御。本发明公开了一种深度学习对抗样本图像分类防御方法，基于当一个对抗样本对深度神经分类网络攻击成功时，往往是网络中的某些节点发生了决定性的变化的观察，巧妙利用dropout的随机性来多次训练网络，继而得到多个识别结果，并对其进行合理处理得到最终分类结果，从而实现对抗样本防御。

主权项：1.一种基于dropout的深度学习对抗样本图像分类防御方法，其特征在于，包括：S1：从公开图片数据集中取得原始图片，并划分为训练集和测试集，将带有dropout操作的深度神经网络作为分类网络；S2：采用训练集对分类网络进行多次训练，并保留每次训练得到的训练权重以及识别结果；S3：基于每次训练得到的训练权重所对应的分类网络，对测试集中的图片进行识别，得到多个识别结果，其中，每一个识别结果对应一个训练权重；S4：对训练集识别结果与测试集识别结果进行拟合，得到用于分类的总体网络；S5：利用总体网络对待识别图片进行识别，得到分类结果。

全文数据：

权利要求：

百度查询： 武汉大学 一种基于dropout的深度学习对抗样本图像分类防御方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD