[發(fā)明專利]網(wǎng)絡安全性的檢測方法、裝置、計算機設備和存儲介質

有效

• 申請?zhí)枺?/td>: 202010937809.2
• 申請日: 2020-09-09
• 公開（公告）號: CN111818101B
• 公開（公告）日: 2020-12-11
• 發(fā)明（設計）人: 劉彥宏
• 申請（專利權）人: 平安國際智慧城市科技股份有限公司
• 主分類號: H04L29/06
• 分類號: H04L29/06;G06N3/04;G06N3/08
• 代理公司: 北京英特普羅知識產(chǎn)權代理有限公司 11015
• 代理人: 程超

1.一種網(wǎng)絡安全性的檢測方法，其特征在于，包括：

獲取目標網(wǎng)絡的訓練集，其中，所述訓練集對應多個圖像，所述訓練集包括目標輸入向量和目標輸出向量，所述目標輸入向量包括所述圖像的特征向量，所述目標輸出向量包括所述圖像的計算機視覺任務的任務向量；

根據(jù)所述目標輸入向量、所述目標輸出向量和預設源網(wǎng)絡的模型參數(shù)，確定對抗所述源網(wǎng)絡的攻擊向量，得到第一攻擊向量；

根據(jù)所述目標輸入向量確定所述第一攻擊向量中的擾動向量；

構建生成網(wǎng)絡，其中，所述生成網(wǎng)絡包括編碼器和解碼器，所述生成網(wǎng)絡的輸入向量為所述編碼器的輸入向量，所述編碼器的輸出向量為所述解碼器的輸入向量，所述解碼器的輸出向量為所述生成網(wǎng)絡的輸出向量；

根據(jù)預設的擾動向量計算函數(shù)和所述擾動向量計算第二攻擊向量，其中，所述第二攻擊向量為所述擾動向量計算函數(shù)的自變量，所述擾動向量為所述擾動向量計算函數(shù)的因變量；

將所述目標輸入向量作為所述生成網(wǎng)絡的輸入向量，將所述第二攻擊向量作為所述生成網(wǎng)絡的輸出向量，對所述生成網(wǎng)絡進行訓練；

將訓練好的所述生成網(wǎng)絡中所述編碼器的輸出向量作為嵌入向量，在所述嵌入向量所在的空間內(nèi)計算所述目標網(wǎng)絡的攻擊向量，得到第三攻擊向量；

將所述第三攻擊向量輸入至所述目標網(wǎng)絡，以對所述目標網(wǎng)絡進行檢測，

其中，將訓練好的所述生成網(wǎng)絡中所述編碼器的輸出向量作為嵌入向量，在所述嵌入向量所在的空間內(nèi)計算所述目標網(wǎng)絡的攻擊向量，得到第三攻擊向量包括：

步驟S1，將所述編碼器的輸出向量作為初始嵌入向量；

步驟S2，設置迭代次數(shù)n=1；

步驟S3，遵循以為均值，標準方差為a的高斯分布，采樣b個數(shù)據(jù)點，得到, ,…,，其中，b為正整數(shù)；

步驟S4，計算損失函數(shù)相對于所述嵌入向量的近似梯度g，

其中，在無目標攻擊情況下，采用以下公式計算近似梯度g：

，

在有目標攻擊情況下，采用以下公式計算近似梯度g：

，

x為所述目標輸入向量，L為交叉熵損失函數(shù)，為無量綱參數(shù)，D為所述解碼器，為所述目標輸出向量，t為目標標簽，為所述生成網(wǎng)絡的參數(shù)，L為；

步驟S5，更新嵌入向量，為學習率；

步驟S6，更新迭代次數(shù)n=n+1，并返回至步驟S3，直到n=K；

步驟S7，當n=K時，計算，得到所述第三攻擊向量。

2.根據(jù)權利要求1所述的網(wǎng)絡安全性的檢測方法，其特征在于，

所述擾動向量計算函數(shù)為，

其中，為所述擾動向量，p為所述第二攻擊向量。

3.根據(jù)權利要求2所述的網(wǎng)絡安全性的檢測方法，其特征在于，將所述目標輸入向量作為所述生成網(wǎng)絡的輸入向量，將所述第二攻擊向量作為所述生成網(wǎng)絡的輸出向量，對所述生成網(wǎng)絡進行訓練的步驟包括：

將所述目標輸入向量作為所述生成網(wǎng)絡的輸入向量，將所述第二攻擊向量作為所述生成網(wǎng)絡的輸出向量，確定使交叉熵損失函數(shù)的值最小時對應的，

其中，在無目標攻擊情況下，采用以下第一交叉熵損失函數(shù)計算所述交叉熵損失函數(shù)的值L：

在有目標攻擊情況下，采用以下第二交叉熵損失函數(shù)計算所述交叉熵損失函數(shù)的值L：

其中，S為所述預設源網(wǎng)絡，E為所述編碼器。

4.根據(jù)權利要求1所述的網(wǎng)絡安全性的檢測方法，其特征在于，所述預設源網(wǎng)絡為預訓練好的且已知模型參數(shù)的網(wǎng)絡。

5.根據(jù)權利要求1所述的網(wǎng)絡安全性的檢測方法，其特征在于，所述計算機視覺任務為圖像分類、圖像識別、圖像分割或圖像生成。