申请/专利权人:西安邮电大学
申请日:2024-01-30
公开(公告)日:2024-04-30
公开(公告)号:CN117953347A
主分类号:G06V10/82
分类号:G06V10/82;G06V10/774;G06V10/764;G06N3/0464;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.17#实质审查的生效;2024.04.30#公开
摘要:本发明涉及一种基于特征约束的深度神经网络对抗防御方法,属于机器学习和深度学习安全技术领域,以解决迭代的白盒攻击对深度神经网络模型的安全威胁。本发明使用引导互补熵构建模型分类目标函数,初始化深度神经网络以确定模型分类边界;增加深层特征约束,将样本特征到类中心向量的距离作为特征约束目标函数,增大类间距离,使中间特征空间中的任何两个类之间的重叠最小。本发明提供了一种高效的对抗防御方法,提升了深度神经网络分类模型的鲁棒性。
主权项:1.基于特征约束的深度神经网络对抗防御方法,其特征包括以下步骤:步骤A:选定一个深度神经网络图像分类模型作为目标模型D,先用引导互补熵GCE构建作为目标模型D训练时的分类目标函数LGCE;再构建目标模型D训练时的特征约束目标函数LS;步骤B:在步骤A的基础上,选定训练数据集,将x,y作为输入标签对,训练目标模型D。
全文数据:
权利要求:
百度查询: 西安邮电大学 基于特征约束的深度神经网络对抗防御方法
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。