[發(fā)明專利]基于貝葉斯優(yōu)化的查詢高效的黑盒對抗攻擊在審
| 申請?zhí)枺?/td> | 202011007795.0 | 申請日: | 2020-09-23 |
| 公開(公告)號: | CN112633309A | 公開(公告)日: | 2021-04-09 |
| 發(fā)明(設(shè)計)人: | S·N·舒克拉;A·K·薩胡;D·維爾莫特;J·Z·柯爾特 | 申請(專利權(quán))人: | 羅伯特·博世有限公司 |
| 主分類號: | G06K9/62 | 分類號: | G06K9/62;G06N3/04 |
| 代理公司: | 中國專利代理(香港)有限公司 72001 | 代理人: | 周學(xué)斌;劉春元 |
| 地址: | 德國斯*** | 國省代碼: | 暫無信息 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 貝葉斯 優(yōu)化 查詢 高效 黑盒 對抗 攻擊 | ||
1.一種對神經(jīng)網(wǎng)絡(luò)分類器實行對抗攻擊的方法,包括:
構(gòu)造輸入輸出對的數(shù)據(jù)集,輸入輸出對的每個輸入元素是從搜索空間中隨機挑選的,輸入輸出對的每個輸出元素指示針對對應(yīng)輸入元素的神經(jīng)網(wǎng)絡(luò)分類器的預(yù)測輸出;
在輸入輸出對的數(shù)據(jù)集上利用高斯過程來優(yōu)化獲取函數(shù),以從數(shù)據(jù)集中找到最佳擾動輸入元素;
對最佳擾動輸入元素進行上采樣以生成經(jīng)上采樣的最佳輸入元素;
將經(jīng)上采樣的最佳輸入元素添加到原始輸入以生成候選輸入;
查詢神經(jīng)網(wǎng)絡(luò)分類器,以確定針對候選輸入的分類器預(yù)測;
計算分類器預(yù)測的分數(shù);以及
響應(yīng)于分類器預(yù)測為不正確的,接受候選輸入作為成功的對抗攻擊。
2.根據(jù)權(quán)利要求1所述的方法,進一步包括:響應(yīng)于分類器預(yù)測為正確的,拒絕候選輸入。
3.根據(jù)權(quán)利要求2所述的方法,進一步包括:響應(yīng)于拒絕候選輸入:
將候選輸入和分類器輸出添加到數(shù)據(jù)集;以及
繼續(xù)循環(huán)訪問數(shù)據(jù)集以生成候選輸入,直到經(jīng)過了預(yù)定義數(shù)量的數(shù)據(jù)集查詢?yōu)橹埂?/p>
4.根據(jù)權(quán)利要求1所述的方法,其中,神經(jīng)網(wǎng)絡(luò)分類器是圖像分類器,原始輸入是圖像輸入,擾動是圖像擾動,并且候選輸入是圖像輸入和圖像擾動的逐像素總和,其中,圖像擾動的每個像素小于預(yù)定義的大小。
5.根據(jù)權(quán)利要求4所述的方法,其中,擾動輸入元素的維度小于原始圖像的維度。
6.根據(jù)權(quán)利要求4所述的方法,其中,圖像擾動的預(yù)定義的大小不大于
7.根據(jù)權(quán)利要求1所述的方法,其中,神經(jīng)網(wǎng)絡(luò)分類器是音頻分類器,原始輸入是音頻輸入,擾動是音頻擾動,候選輸入是音頻輸入和音頻擾動的總和,以及分類器的規(guī)范測量人類的聽覺感知。
8.根據(jù)權(quán)利要求1所述的方法,其中,使用最近鄰上采樣來實行所述上采樣。
9.根據(jù)權(quán)利要求1所述的方法,其中,針對到分類器的輸入,分類器輸出針對多個可能的類別標(biāo)簽中的每一個的預(yù)測。
10.根據(jù)權(quán)利要求1所述的方法,其中,針對到分類器的輸入,分類器僅輸出多個可能的類別標(biāo)簽中的最可能的預(yù)測類別。
11.一種用于對神經(jīng)網(wǎng)絡(luò)分類器實行對抗攻擊的計算系統(tǒng),所述系統(tǒng)包括:
存儲器,其存儲軟件程序的貝葉斯優(yōu)化和降維算法的指令;以及
處理器,其被編程成執(zhí)行指令以實行操作,包括
構(gòu)造輸入輸出對的數(shù)據(jù)集,輸入輸出對的每個輸入元素是從搜索空間中隨機挑選的,輸入輸出對的每個輸出元素指示針對對應(yīng)輸入元素的神經(jīng)網(wǎng)絡(luò)分類器的預(yù)測輸出;
在輸入輸出對的數(shù)據(jù)集上利用高斯過程來優(yōu)化獲取函數(shù),以從數(shù)據(jù)集中找到最佳擾動輸入元素;
對最佳擾動輸入元素進行上采樣以生成經(jīng)上采樣的最佳輸入元素;
將經(jīng)上采樣的最佳輸入元素添加到原始輸入以生成候選輸入;
查詢神經(jīng)網(wǎng)絡(luò)分類器,以確定針對候選輸入的分類器預(yù)測;
計算分類器預(yù)測的分數(shù);
響應(yīng)于分類器預(yù)測為不正確的,接受候選輸入作為成功的對抗攻擊;以及
響應(yīng)于分類器預(yù)測為正確的,拒絕候選輸入,將候選輸入和分類器輸出添加到數(shù)據(jù)集;以及繼續(xù)循環(huán)訪問數(shù)據(jù)集以生成候選輸入,直到經(jīng)過了預(yù)定義數(shù)量的數(shù)據(jù)集查詢?yōu)橹埂?/p>
12.根據(jù)權(quán)利要求11所述的計算系統(tǒng),其中,神經(jīng)網(wǎng)絡(luò)分類器是圖像分類器,原始輸入是圖像輸入,擾動是圖像擾動,并且候選輸入是圖像輸入和圖像擾動的逐像素總和,其中,圖像擾動的每個像素小于預(yù)定義的大小。
13.根據(jù)權(quán)利要求12所述的計算系統(tǒng),其中,擾動輸入元素的維度小于原始圖像的維度。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于羅伯特·博世有限公司,未經(jīng)羅伯特·博世有限公司許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202011007795.0/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
G06K 數(shù)據(jù)識別;數(shù)據(jù)表示;記錄載體;記錄載體的處理
G06K9-00 用于閱讀或識別印刷或書寫字符或者用于識別圖形,例如,指紋的方法或裝置
G06K9-03 .錯誤的檢測或校正,例如,用重復(fù)掃描圖形的方法
G06K9-18 .應(yīng)用具有附加代碼標(biāo)記或含有代碼標(biāo)記的打印字符的,例如,由不同形狀的各個筆畫組成的,而且每個筆畫表示不同的代碼值的字符
G06K9-20 .圖像捕獲
G06K9-36 .圖像預(yù)處理,即無須判定關(guān)于圖像的同一性而進行的圖像信息處理
G06K9-60 .圖像捕獲和多種預(yù)處理作用的組合
- 一種自主融合先驗知識的貝葉斯網(wǎng)絡(luò)方法
- 構(gòu)建解決組合爆炸問題的級聯(lián)貝葉斯網(wǎng)絡(luò)的方法
- 一種可重構(gòu)系統(tǒng)貝葉斯網(wǎng)構(gòu)建方法
- 一種基于貝葉斯網(wǎng)絡(luò)的網(wǎng)站缺陷預(yù)測方法及其實現(xiàn)系統(tǒng)
- 應(yīng)用處理方法、裝置、存儲介質(zhì)及電子設(shè)備
- 一種遮擋目標(biāo)檢測方法、電子設(shè)備、存儲介質(zhì)及系統(tǒng)
- 基于貝葉斯網(wǎng)絡(luò)推理模型的犯罪重建方法及裝置
- 利用憶阻器本征噪聲實現(xiàn)貝葉斯神經(jīng)網(wǎng)絡(luò)的方法及裝置
- 基于面向?qū)ο筘惾~斯網(wǎng)絡(luò)的中央空調(diào)系統(tǒng)故障診斷方法
- 一種基于貝葉斯神經(jīng)網(wǎng)絡(luò)權(quán)重約束的圖像分類方法





