[發(fā)明專(zhuān)利]圖片識(shí)別方法及裝置、訓(xùn)練方法及裝置、生成方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202011441915.8
• 申請(qǐng)日: 2020-12-11
• 公開(kāi)（公告）號(hào): CN112232446A
• 公開(kāi)（公告）日: 2021-01-15
• 發(fā)明（設(shè)計(jì)）人: 張偉哲;武化龍;羅晨光;黃興森;周穎
• 申請(qǐng)（專(zhuān)利權(quán)）人: 鵬城實(shí)驗(yàn)室
• 主分類(lèi)號(hào): G06K9/62
• 分類(lèi)號(hào): G06K9/62;G06T1/00;G06N3/04
• 代理公司: 深圳市世紀(jì)恒程知識(shí)產(chǎn)權(quán)代理事務(wù)所 44287
• 代理人: 晏波

本發(fā)明涉及人工智能技術(shù)領(lǐng)域，公開(kāi)了一種圖片識(shí)別方法及裝置、后門(mén)攻擊模型的訓(xùn)練方法及裝置、帶有盲水印的后門(mén)樣本圖片的生成方法及裝置、計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。本發(fā)明通過(guò)獲取樣本數(shù)據(jù)，其中樣本數(shù)據(jù)包括訓(xùn)練樣本，以及滿(mǎn)足預(yù)設(shè)條件的宿主圖片和后門(mén)圖片，進(jìn)而利用快速傅里葉變換和逆變換算法對(duì)宿主圖片和后門(mén)圖片進(jìn)行處理，生成帶有盲水印的后門(mén)樣本圖片，再進(jìn)一步地，將訓(xùn)練樣本以及后門(mén)樣本圖片，輸入至神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行模型訓(xùn)練，獲得后門(mén)攻擊模型；解決了相關(guān)技術(shù)中后門(mén)攻擊隱蔽性差的問(wèn)題。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能技術(shù)領(lǐng)域，尤其涉及一種圖片識(shí)別方法及裝置、后門(mén)攻擊模型的訓(xùn)練方法及裝置、帶有盲水印的后門(mén)樣本圖片的生成方法及裝置、計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著人工智能的發(fā)展，圖片識(shí)別被不斷完善，識(shí)別精度不斷提高。

相關(guān)技術(shù)中，后門(mén)攻擊模型主要是通過(guò)改變圖片局部像素點(diǎn)進(jìn)行訓(xùn)練得到，但是，這種方式訓(xùn)練得到的后門(mén)攻擊模型的隱蔽性差，從而降低了后門(mén)攻擊的力度。

發(fā)明內(nèi)容

本發(fā)明的主要目的在于提供圖片識(shí)別方法及裝置、后門(mén)攻擊模型的訓(xùn)練方法及裝置、帶有盲水印的后門(mén)樣本圖片的生成方法及裝置、計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，旨在提升后門(mén)攻擊的隱蔽性。

為實(shí)現(xiàn)上述目的，本發(fā)明提供一種圖片識(shí)別方法，所述圖片識(shí)別方法包括：

獲取待識(shí)別后門(mén)圖片；

將所述待識(shí)別后門(mén)圖片輸入至后門(mén)攻擊模型中進(jìn)行識(shí)別，輸出識(shí)別結(jié)果；

其中，所述后門(mén)攻擊模型是根據(jù)帶有盲水印的后門(mén)樣本圖片訓(xùn)練得到。

可選的，所述獲取待識(shí)別后門(mén)圖片的步驟之前，所述圖片識(shí)別方法還包括：

獲取樣本數(shù)據(jù)；其中，所述樣本數(shù)據(jù)包括訓(xùn)練樣本，以及滿(mǎn)足預(yù)設(shè)條件的宿主圖片和后門(mén)圖片；

利用快速傅里葉變換和逆變換算法對(duì)所述宿主圖片和所述后門(mén)圖片進(jìn)行處理，生成帶有盲水印的后門(mén)樣本圖片；

將所述訓(xùn)練樣本以及所述后門(mén)樣本圖片，輸入至神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行模型訓(xùn)練，獲得后門(mén)攻擊模型。

此外，為實(shí)現(xiàn)上述目的，本發(fā)明還提供一種后門(mén)攻擊模型的訓(xùn)練方法，所述后門(mén)攻擊模型的訓(xùn)練方法包括：

獲取樣本數(shù)據(jù)；其中，所述樣本數(shù)據(jù)包括訓(xùn)練樣本，以及滿(mǎn)足預(yù)設(shè)條件的宿主圖片和后門(mén)圖片；

利用快速傅里葉變換和逆變換算法對(duì)所述宿主圖片和所述后門(mén)圖片進(jìn)行處理，生成帶有盲水印的后門(mén)樣本圖片；

將所述訓(xùn)練樣本以及所述后門(mén)樣本圖片，輸入至神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行模型訓(xùn)練，獲得后門(mén)攻擊模型。

可選的，所述預(yù)設(shè)條件包括：

H1小于二分之一H2，W1小于W2；其中，H1為所述后門(mén)圖片的高度，H2為所有所述宿主圖片中的最小高度，W1為所述后門(mén)圖片的寬度，W2為所有所述宿主圖片中的最小寬度。

可選的，所述利用快速傅里葉變換和逆變換算法對(duì)所述宿主圖片和所述后門(mén)圖片進(jìn)行處理，生成帶有盲水印的后門(mén)樣本圖片的步驟包括：

利用快速傅里葉變換算法對(duì)所述宿主圖片的像素點(diǎn)值進(jìn)行處理，生成目標(biāo)宿主圖片；

將所述目標(biāo)宿主圖片的像素點(diǎn)值和所述后門(mén)圖片的像素點(diǎn)值進(jìn)行相加，得到相加結(jié)果；

利用快速傅里葉逆變換算法對(duì)所述相加結(jié)果進(jìn)行處理，生成帶有盲水印的后門(mén)樣本圖片。

可選的，所述將所述訓(xùn)練樣本以及所述后門(mén)樣本圖片，輸入至神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行模型訓(xùn)練，獲得后門(mén)攻擊模型的步驟之前，所述后門(mén)攻擊模型的訓(xùn)練方法還包括：