申请/专利权人:杭州电子科技大学
申请日:2023-10-25
公开(公告)日:2024-03-22
公开(公告)号:CN117744130A
主分类号:G06F21/62
分类号:G06F21/62;G06F21/60;G06V10/764;G06V10/774;G06T5/80
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.09#实质审查的生效;2024.03.22#公开
摘要:本发明公开了一种基于条件扩散模型的仅标签模型逆向攻击方法,该方法首先获取待攻击目标模型的仅标签访问权限,选择辅助数据集。其次获取目标标签以及辅助样本的预测标签。然后训练攻击用的条件扩散模型,获得跟目标标签对应的生成图像,并对生成图像进行伽马校正。最后对校正后的生成图像进行随机变换,并输入目标模型进行预测,获取最鲁棒的攻击结果输出。本发明能够有效恢复目标模型训练集中的隐私图像,同时生成的图像更准确、更逼真、更相似,并且攻击模型效果超越现有的黑盒攻击,比拟现有最先进的白盒攻击。
主权项:1.一种基于条件扩散模型的仅标签模型逆向攻击方法,其特征在于,包括以下步骤:S1、获取待攻击目标模型的仅标签访问权限;S2、选择辅助数据集;S3、获取目标标签,所述目标标签为目标模型对隐私图像的分类结果;S4、获取辅助样本的预测标签,所述辅助样本的预测标签为目标模型对辅助数据集样本的分类结果;S5、训练攻击用的条件扩散模型;S6、通过训练好的条件扩散模型,获得跟目标标签对应的生成图像,并对生成图像进行伽马校正;S7、对校正后的生成图像进行随机变换,并输入目标模型进行预测,获取最终结果输出。
全文数据:
权利要求:
百度查询: 杭州电子科技大学 一种基于条件扩散模型的仅标签模型逆向攻击方法
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。