申请/专利权人:上海交通大学
申请日:2023-12-22
公开(公告)日:2024-03-26
公开(公告)号:CN117765319A
主分类号:G06V10/764
分类号:G06V10/764;G06V10/774;G06V10/82;G06V10/77;G06N3/045;G06N3/0464;G06N3/0475;G06N3/094
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.12#实质审查的生效;2024.03.26#公开
摘要:本发明提供一种抵御对抗样本攻击的图像分类模型结构与训练方法及系统,包括:步骤S1:构建低维对抗特征自学习净化模块,用于净化输入图像的低维对抗特征;步骤S2:构建高维对抗特征自学习净化模块,用于净化输入图像的高维对抗特征;步骤S3:结合所述低维对抗特征自学习净化模块和高维对抗特征自学习净化模块,构建图像分类模型AdvPurifyNet;步骤S4:对所述图像分类模型AdvPurifyNet进行训练与优化;步骤S5:获取各待处理的对抗样本图像,将各待防御的对抗样本图像输入到训练好的图像分类模型AdvPurifyNet中,输出鲁棒的图像分类结果。本发明能够在保持较高的图像分类性能的同时,提供了较强的对抗样本攻击防御能力,而且通用性强、防御效果好、操作便捷。
主权项:1.一种抵御对抗样本攻击的图像分类模型结构与训练方法,其特征在于,包括:步骤S1:构建低维对抗特征自学习净化模块,用于净化输入图像的低维对抗特征;步骤S2:构建高维对抗特征自学习净化模块,用于净化输入图像的高维对抗特征;步骤S3:结合所述低维对抗特征自学习净化模块和高维对抗特征自学习净化模块,构建图像分类模型AdvPurifyNet;步骤S4:对所述图像分类模型AdvPurifyNet进行训练与优化;步骤S5:获取各待处理的对抗样本图像,将各待防御的对抗样本图像输入到训练好的图像分类模型AdvPurifyNet中,输出鲁棒的图像分类结果。
全文数据:
权利要求:
百度查询: 上海交通大学 抵御对抗样本攻击的图像分类模型结构与训练方法及系统
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。