[發明專利]一種基于上下文特征不一致性的多專家對抗攻擊檢測方法

在審

• 申請號: 202111156899.2
• 申請日: 2021-09-30
• 公開（公告）號: CN113869233A
• 公開（公告）日: 2021-12-31
• 發明（設計）人: 劉敏;張鑄;王學平;汪嘉正;王耀南
• 申請（專利權）人: 湖南大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06F16/53
• 代理公司: 長沙惟盛赟鼎知識產權代理事務所(普通合伙) 43228
• 代理人: 滕澧陽

1.一種基于上下文特征不一致性的多專家對抗攻擊檢測方法，其特征在于，包括步驟：

訓練階段，

S1：建立行人重識別數據集，所述行人重識別數據集包括查詢圖像集和圖庫；所述查詢圖像集包括良性查詢圖像集和對抗查詢圖像集；

S2：選取多個行人重識別專家模型，并將S1中良性查詢圖像集、對抗查詢圖像集和圖庫輸入到多個行人重識別專家模型中，提取出良性查詢圖像集、對抗查詢圖像集和圖庫中的圖像特征；采用查詢圖像集在圖庫中進行檢索，將檢索結果的集合作為查詢圖像集的支撐集；其中良性查詢圖像集的支撐集為良性支撐集，對抗查詢圖像集的支撐集為對抗支撐集；

S3：給良性查詢圖像集和良性支撐集的特征打上標簽，并根據特征上的標簽形成良性訓練集；給對抗查詢圖像集和對抗支撐集的特征打上標簽，并根據特征上的標簽形成對抗訓練集；

S4：根據所述良性訓練集和對抗訓練集，得到上下文特征；將上下文特征輸入到多層感知器中訓練，將多層感知器作為對抗攻擊檢測器；

應用階段，

S5：建立行人重識別測試集，在行人重識別測試集內獲取待查詢的圖像，并將待查詢的圖像輸入到多個行人重識別專家模型中，提取出待查詢圖像的上下文特征；

S6：將待查詢圖像的上下文特征輸入到對抗攻擊檢測器中，對抗攻擊檢測器將輸出被攻擊的概率；

S7：根據對抗檢測器對于行人重識別測試集的輸出結果，評估對抗攻擊檢測器的性能。

2.根據權利要求1所述的一種基于上下文特征不一致性的多專家對抗攻擊檢測方法，其特征在于，S1中，所述良性查詢圖像集包括良性查詢樣本，所述良性查詢樣本采用行人重識別基準測試數據集中訓練集的查詢樣本；所述對抗查詢圖像集采用對抗攻擊方法干擾良性查詢圖像集，從而產生對抗查詢樣本；所述圖庫包括圖庫樣本，在Market1501數據集中的訓練集隨機選擇一個行人的圖像作為查詢圖像樣本，則未被選擇的圖像作為所述圖庫樣本。

3.根據權利要求2所述的一種基于上下文特征不一致性的多專家對抗攻擊檢測方法，其特征在于，S2中，包括步驟：

S2.1：將S1中良性查詢圖像集、對抗查詢圖像集和圖庫輸入到多個行人重識別專家模型；采用F_n(·),n＝1,2,...,N指代第n個行人重識別專家模型的函數，采用F_n(I)指代第n個行人重識別專家模型所提取出的良性查詢圖像集圖像特征、對抗查詢圖像集圖像特征和圖庫圖像特征；

S2.2：根據S2.1中的圖像特征，計算查詢圖像集圖像特征與圖庫圖像特征的距離，返回前K個與查詢圖像集圖像特征距離最近的圖庫圖像特征的圖像，該K個圖像的集合作為查詢圖像集的支撐集，支撐集記為S_n＝{S_n,j|j＝1,..K}；n表示第n個行人重識別專家模型，j表示支撐集中第j個圖像。

4.根據權利要求3所述的一種基于上下文特征不一致性的多專家對抗攻擊檢測方法，其特征在于，S3中，給良性查詢圖像集和良性支撐集的特征打上標簽，標簽為y₀＝0，并根據特征上的標簽形成良性訓練集，良性訓練集記為{(x_i,y₀)|i＝1,2,..M}；給對抗查詢圖像集和對抗支撐集的特征打上標簽，標簽為y₁＝1，并根據特征上的標簽形成對抗訓練集，對抗訓練集記為{(x_i,y₁)|i＝1,2,..M}；其中M為良性訓練集或對抗訓練集的大小。

5.根據權利要求4所述的一種基于上下文特征不一致性的多專家對抗攻擊檢測方法，其特征在于，S4中，所述上下文特征包括查詢-支撐近鄰特征、支撐-支撐近鄰特征以及跨專家近鄰特征。