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。

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