申请/专利权人：山东省计算中心(国家超级计算济南中心);齐鲁工业大学(山东省科学院)

申请日：2023-12-27

公开（公告）日：2024-04-26

公开（公告）号：CN117934914A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/82;G06N3/0475;G06N3/094;G06N3/084;G06N3/09;G06N3/096

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.14#实质审查的生效;2024.04.26#公开

摘要：本发明公开一种基于数据增强和最大绝对差异的对抗样本生成方法及系统，该方法包括：预处理原始图像，得到被攻击图像；创建初始扰动图像，开始迭代；基于被攻击图像，获得并调整多张局部图像，结合扰动图像，对被攻击图像和多张局部图像进行数据增强处理；将数据增强处理后的图像输入至分类网络模型中，计算全局特征与多个局部特征之间的最大绝对差异损失值，并计算分类器损失值，综合得到总损失值，通过反向传播获取损失函数梯度信息；计算得到最终的图像梯度信息，生成并更新扰动图像；判断是否达到最大迭代次数，若是，则对被攻击图像叠加更新后的扰动图像，生成对抗样本；反之则迭代更新扰动图像。本发明能够有效提高生成对抗样本的迁移率。

主权项：1.一种基于数据增强和最大绝对差异的对抗样本生成方法，其特征是，包括：获取原始图像，对原始图像进行预处理，得到被攻击图像；基于被攻击图像，创建初始的扰动图像，并开始迭代；基于被攻击图像，通过随机剪裁获得多张局部图像，将多张局部图像均调整至被攻击图像相同大小，并结合扰动图像，对被攻击图像和调整后的多张局部图像进行数据增强处理；将数据增强处理后的图像输入至分类网络模型中，计算全局特征与多个局部特征之间的最大绝对差异损失值，同时计算分类器损失值，综合分类器损失值和最大绝对差异损失值得到总损失值，通过反向传播获取损失函数梯度信息；基于损失函数梯度信息，计算得到最终的图像梯度信息，以此生成并更新扰动图像；判断是否达到最大迭代次数，若是，则对被攻击图像叠加更新后的扰动图像，生成对抗样本；若否，则循环迭代更新扰动图像。

全文数据：

权利要求：

百度查询： 山东省计算中心(国家超级计算济南中心);齐鲁工业大学(山东省科学院) 基于数据增强和最大绝对差异的对抗样本生成方法及系统

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。

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