申请/专利权人:北京化工大学
申请日:2023-12-25
公开(公告)日:2024-04-12
公开(公告)号:CN117876817A
主分类号:G06V10/774
分类号:G06V10/774;G06V10/82;G06V10/764;G06V20/10;G06N3/0475;G06N3/045;G06N3/094
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.30#实质审查的生效;2024.04.12#公开
摘要:本发明公开一种对抗样本生成方法,包括如下步骤:构建生成对抗网络;获取云层参数向量并输入至生成对抗网络中,获得混合云层掩膜;将所述混合云层掩膜与原始无云遥感图像进行混合,获得被云层覆盖的对抗样本;将对抗样本输入至拟攻击的遥感图像分类神经网络,以对抗性损失和像素均方差损失作为差分进化算法的目标损失函数进行云层参数向量优化,当算法的查询次数达到设定上限或者对抗云层攻击成功时,输出最终生成的对抗样本。本发明通过最终生成的对抗样本对遥感图像分类网络进行攻击,其作为黑盒攻击方法无需了解网络内部结构,攻击成功率高且生成的对抗样本自然。
主权项:1.一种对抗样本生成方法,其特征在于,包括如下步骤:构建生成对抗网络;获取云层参数向量,所述云层参数向量包括生成对抗网络的输入向量、不同晶胞尺寸云层掩膜的混合系数向量、云层厚度;将生成对抗网络的输入向量输入至生成对抗网络中,生成不同晶胞尺寸的梯度向量晶格,每个晶胞尺寸的梯度向量晶格均包括X方向和Y方向两种梯度向量晶格;对不同晶胞尺寸的梯度向量晶格进行插值处理,得到对应的云层掩膜;根据不同晶胞尺寸云层掩膜的混合系数向量对对应的云层掩膜进行加权求和,根据云层厚度缩放云层数值大小后进行图像处理,输出混合云层掩膜;获取原始无云遥感图像,将所述混合云层掩膜与原始无云遥感图像进行混合,获得被云层覆盖的对抗样本;将所述对抗样本输入至拟攻击的遥感图像分类神经网络,以对抗性损失和像素均方差损失作为差分进化算法的目标损失函数进行云层参数向量优化,当算法的查询次数达到设定上限或者对抗云层攻击成功时,输出最终生成的对抗样本。
全文数据:
权利要求:
百度查询: 北京化工大学 一种对抗样本生成方法
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。