[發(fā)明專利]一種自適應(yīng)對抗強度的對抗訓(xùn)練方法

在審

• 申請?zhí)枺?/td>: 202010099756.1
• 申請日: 2020-02-18
• 公開（公告）號: CN111325341A
• 公開（公告）日: 2020-06-23
• 發(fā)明（設(shè)計）人: 謝海東;向雪霜;紀楠;劉乃金
• 申請（專利權(quán)）人: 中國空間技術(shù)研究院
• 主分類號: G06N3/08
• 分類號: G06N3/08
• 代理公司: 中國航天科技專利中心 11009
• 代理人: 茹阿昌

1.一種自適應(yīng)對抗強度的對抗訓(xùn)練方法，其特征在于，包括以下步驟：

1)建立神經(jīng)網(wǎng)絡(luò)模型，選取圖片像素值或圖片像素坐標作為原始訓(xùn)練數(shù)據(jù)D_data；

2)根據(jù)原始訓(xùn)練數(shù)據(jù)D_data，通過對抗樣本生成方法，生成原始訓(xùn)練數(shù)據(jù)對應(yīng)的對抗樣本數(shù)據(jù)D_adv；

3)對步驟2)所述的對抗樣本數(shù)據(jù)D_adv進行切斷與拉伸處理，修改對抗樣本的對抗強度，獲得切斷拉伸處理后的對抗樣本數(shù)據(jù)；

4)利用數(shù)據(jù)量成一定比例的原始訓(xùn)練數(shù)據(jù)D_data與步驟3)所述切斷拉伸處理后的對抗樣本數(shù)據(jù)進行共同訓(xùn)練，更新神經(jīng)網(wǎng)絡(luò)模型，獲得更新后的神經(jīng)網(wǎng)絡(luò)模型；

5)根據(jù)步驟4)所述更新后的神經(jīng)網(wǎng)絡(luò)模型，確定對抗準確率；

6)迭代步驟2)至步驟5)，直到對抗準確率逐步收斂達到最大值，將對抗準確率最大值對應(yīng)的神經(jīng)網(wǎng)絡(luò)模型作為訓(xùn)練結(jié)果向外輸出。

2.如權(quán)利要求1所述的一種自適應(yīng)對抗強度的對抗訓(xùn)練方法，其特征在于，步驟2)所述對抗樣本生成方法，包括：有目標攻擊或無目標攻擊、有閾值攻擊或無閾值攻擊、多種范數(shù)類型的攻擊；所述多種范數(shù)類型包括：2-范數(shù)、1-范數(shù)、0-范數(shù)和∞-范數(shù)。

3.如權(quán)利要求1所述的一種自適應(yīng)對抗強度的對抗訓(xùn)練方法，其特征在于，步驟3)所述獲得切斷拉伸處理后的對抗樣本數(shù)據(jù)的方法，包括步驟如下：

31)根據(jù)步驟2)所得對抗樣本數(shù)據(jù)，確定對抗樣本數(shù)據(jù)中每個對抗樣本的對抗擾動δ_j，對抗樣本數(shù)據(jù)中第j個對抗樣本的對抗擾動δ_j具體為：

32)根據(jù)步驟31)所述每個對抗樣本的對抗擾動，分別確定每個對抗樣本對應(yīng)的對抗擾動范數(shù)norm_j，然后再根據(jù)所有對抗樣本的對抗擾動范數(shù)，確定對抗擾動范數(shù)均值avg；

33)使用步驟32)所述對抗擾動范數(shù)均值avg，對所有對抗樣本的對抗擾動進行對抗擾動范數(shù)均值avg意義下的切斷操作，獲得每個對抗樣本切斷后的對抗擾動，第j個對抗樣本對應(yīng)的切斷后的對抗擾動具體為：

34)對步驟33)所得切斷后的對抗擾動進行拉伸操作，獲得切斷拉伸操作后的對抗擾動，第j個對抗樣本對應(yīng)的切斷拉伸操作后的對抗擾動具體為：

其中，ρ∈[0，1]；

35)將步驟34)所得切斷拉伸操作后的對抗擾動和所述原始訓(xùn)練數(shù)據(jù)D_data求和處理，得到切斷拉伸處理后的對抗樣本數(shù)據(jù)，第j個對抗樣本對應(yīng)的切斷拉伸處理后的對抗樣本具體為：

4.根據(jù)權(quán)利要求3所述的一種自適應(yīng)對抗強度的對抗訓(xùn)練方法，其特征在于，步驟32)所述第j個對抗樣本對抗擾動范數(shù)norm_j的確定方法，具體為：

其中，n表示原始訓(xùn)練數(shù)據(jù)的維度；i∈[1，n]，δ_j＝[δ_j¹ δ_j² ... δ_jⁱ ... δ_jⁿ]。

5.如權(quán)利要求3所述的一種自適應(yīng)對抗強度的對抗訓(xùn)練方法，其特征在于，步驟34)所述ρ＝0.9。

6.如權(quán)利要求1所述的一種自適應(yīng)對抗強度的對抗訓(xùn)練方法，其特征在于，步驟4)所述原始訓(xùn)練數(shù)據(jù)與切斷拉伸處理后的對抗樣本數(shù)據(jù)的數(shù)據(jù)量比例為1：1。