[發(fā)明專利]一種基于遷移性的圖像對(duì)抗樣本生成裝置及方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202011121652.2
• 申請(qǐng)日: 2020-10-19
• 公開(kāi)（公告）號(hào): CN112215292B
• 公開(kāi)（公告）日: 2022-03-29
• 發(fā)明（設(shè)計(jì)）人: 張小松;牛偉納;丁康一;孫遜;朱航;李信強(qiáng);蔣廉
• 申請(qǐng)（專利權(quán)）人: 電子科技大學(xué)
• 主分類號(hào): G06V10/774
• 分類號(hào): G06V10/774;G06V10/764;G06V10/77;G06V10/82;G06K9/62;G06N3/04
• 代理公司: 成都正煜知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 51312
• 代理人: 李龍

1.一種基于遷移性的圖像對(duì)抗樣本生成裝置，其特征在于，包括以下模塊：

自編碼訓(xùn)練模塊：利用圖像訓(xùn)練數(shù)據(jù)集進(jìn)行無(wú)監(jiān)督訓(xùn)練得到一個(gè)自編碼器；

圖像分類器訓(xùn)練模塊：利用訓(xùn)練好的自編碼器對(duì)圖像訓(xùn)練數(shù)據(jù)集進(jìn)行編碼降維，并使用降維后的數(shù)據(jù)訓(xùn)練多個(gè)本地圖像分類器；

分類器權(quán)重系數(shù)更新模塊：利用本地圖像分類器生成的對(duì)抗樣本對(duì)目標(biāo)模型進(jìn)行攻擊，根據(jù)得到的結(jié)果動(dòng)態(tài)更新本地圖像分類器權(quán)重；

分類器參數(shù)更新模塊：利用沒(méi)有攻擊成功的樣本對(duì)本地圖像分類器參數(shù)進(jìn)行更新；

所述分類器權(quán)重系數(shù)更新模塊采用迭代更新方式更新權(quán)重，包括以下步驟：

S3.1:設(shè)置每個(gè)本地圖像分類器的初始權(quán)重系數(shù)μ_i為0，i代表第i個(gè)本地分類器，設(shè)置當(dāng)前迭代次數(shù)c為1，設(shè)置s_i＝0，s_i代表第i個(gè)圖像分類器生成的圖像對(duì)抗樣本攻擊成功的次數(shù)；

S3.2:隨機(jī)從原始訓(xùn)練數(shù)據(jù)中選取一個(gè)圖像樣本并使用自編碼器編碼得到樣本X_i，利用PGD方法逐個(gè)對(duì)本地圖像分類器生成一個(gè)圖像對(duì)抗樣本X′_i，i代表第i個(gè)分類器；

S3.3:利用自編碼器對(duì)X′_i進(jìn)行解碼并傳入需要被攻擊的目標(biāo)分類器，如果攻擊成功，則置s_i等于s_i+1，如果沒(méi)有攻擊成功則將圖像對(duì)抗樣本X′_i、目標(biāo)分類器對(duì)圖像對(duì)抗樣本X′_i的分類結(jié)果及對(duì)應(yīng)的本地圖像分類器傳入分類器參數(shù)更新模塊；

S3.4：如果滿足迭代最大次數(shù)Max_iter則停止迭代，然后更新每個(gè)本地圖像分類器的權(quán)重系數(shù)并進(jìn)行歸一化處理，最終設(shè)置μ_i等于否則置c＝c+1并執(zhí)行S3.2繼續(xù)迭代。

2.根據(jù)權(quán)利要求1所述的一種基于遷移性的圖像 對(duì)抗樣本生成裝置，其特征在于，所述自編碼訓(xùn)練模塊，采用稀疏性自編碼網(wǎng)絡(luò)，同時(shí)采用損失函數(shù)如下：

其中：

Loss中J_sapre(W,b)代表對(duì)參數(shù)的稀疏性限制，λ是正則系數(shù)，W_ij代表網(wǎng)絡(luò)的權(quán)重，在公式J_sapre(W,b)中，J_E(W,b)代表原始數(shù)據(jù)與解碼數(shù)據(jù)的歐式距離，β是正則系數(shù)，是KL散度，在公式J_E(W,b)中m為輸入數(shù)據(jù)的個(gè)數(shù)，x′代表重構(gòu)后數(shù)據(jù)，x代表原始數(shù)據(jù)，在公式中p為稀疏性參數(shù)設(shè)置為接近0的數(shù)，a_j(x⁽ⁱ⁾)代表第i個(gè)數(shù)據(jù)在隱層中第j個(gè)神經(jīng)元的均值輸出，代表所有訓(xùn)練數(shù)據(jù)集中隱層第j個(gè)神經(jīng)元的激活度均值，最后采用隨機(jī)梯度優(yōu)化下降方法來(lái)優(yōu)化參數(shù)。

3.根據(jù)權(quán)利要求2所述的一種基于遷移性的圖像 對(duì)抗樣本生成裝置，其特征在于，所述分類器參數(shù)更新模塊有如下步驟：

S4.1:如果是第一次更新則設(shè)置c′＝0，否則執(zhí)行S4.2,其中c′為當(dāng)前更新的次數(shù)；

S4.2:如果次，則分別計(jì)算本地圖像分類器的遷移性攻擊成功率，如果有的本地圖像分類器遷移性攻擊成功率低于50％，則剔除該本地圖像分類器，后續(xù)所有迭代以及參數(shù)更新過(guò)程不再考慮該本地圖像分類器；

S4.3:根據(jù)傳入的圖像對(duì)抗樣本X′_i、目標(biāo)模型對(duì)圖像對(duì)抗樣本X′_i的分類結(jié)果將其作為新的訓(xùn)練數(shù)據(jù)，相應(yīng)的本地圖像分類器根據(jù)這個(gè)訓(xùn)練數(shù)據(jù)進(jìn)行一次梯度下降算法，更新本地圖像分類器的內(nèi)部參數(shù)，并置c′為c′+1。

4.根據(jù)權(quán)利要求3所述的一種基于遷移性的圖像 對(duì)抗樣本生成裝置，其特征在于，在迭代完成后使用本地圖像分類器以及對(duì)應(yīng)的權(quán)重系數(shù)線性集成為最終的集成圖像分類器，集成方式如下：

其中D代表自編碼器降維后的數(shù)據(jù)，u_i為權(quán)重系數(shù)，f_i(D)為第i個(gè)本地圖像分類器對(duì)數(shù)據(jù)D生成的擾動(dòng)r_i。