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。