[發明專利]一種對抗樣本生成方法、裝置、電子設備及存儲介質

在審

• 申請號: 202210691492.8
• 申請日: 2022-06-17
• 公開（公告）號: CN115049843A
• 公開（公告）日: 2022-09-13
• 發明（設計）人: 丁玨;敦婧瑜
• 申請（專利權）人: 浙江大華技術股份有限公司
• 主分類號: G06V10/42
• 分類號: G06V10/42;G06V10/764;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 潘平

1.一種對抗樣本生成方法，其特征在于，包括：

將原始樣本數據輸入預設的樣本生成器，生成相應的攻擊樣本數據，其中，所述原始樣本數據至少包含：一個樣本圖像的原始圖像數據；

對所述攻擊樣本數據進行頻域分離，獲得相應的高頻樣本數據及低頻樣本數據；

采用所述高頻樣本數據，訓練預設的高頻判別器，并采用所述低頻樣本數據，訓練預設的低頻判別器；

基于訓練的高頻判別器及低頻判別器，對所述樣本生成器進行對抗訓練，并基于獲得的目標生成器，生成與所述原始樣本數據相應的對抗樣本。

2.如權利要求1所述的方法，其特征在于，所述對所述攻擊樣本數據進行頻域分離，獲得相應的高頻樣本數據及低頻樣本數據，包括：

對所述攻擊樣本數據中，對應于一個樣本圖像的樣本數據進行頻域轉換，獲得所述一個樣本圖像的頻域轉換數據；

基于針對所述一個樣本圖像確定的頻域范圍，對所述一個樣本圖像的頻域轉換數據進行劃分，獲得相應的高頻轉換數據及低頻轉換數據，其中，所述高頻轉換數據歸屬于所述一個樣本圖像的頻域范圍；

分別對所述高頻轉換數據及所述低頻轉換數據進行逆轉換，獲得所述一個樣本圖像相應的高頻攻擊樣本及低頻攻擊樣本。

3.如權利要求1或2所述的方法，其特征在于，所述采用所述高頻樣本數據，訓練預設的高頻判別器，并采用所述低頻樣本數據，訓練預設的低頻判別器，包括：

對所述原始樣本數據進行頻域分離，獲得相應的高頻原始數據及低頻原始數據，其中，所述高頻原始數據至少包含：基于一個樣本圖像的頻域范圍，對所述一個樣本圖像的原始圖像數據進行頻域分離，所獲得的相應高頻圖像數據；

采用所述高頻原始數據及所述高頻樣本數據，對預設的高頻判別器進行多輪迭代訓練，并采用所述低頻原始數據及所述低頻樣本數據，對預設的低頻判別器進行多輪迭代訓練。

4.如權利要求3所述的方法，其特征在于，所述對預設的高頻判別器進行多輪迭代訓練，包括：

在每輪迭代訓練過程中，執行以下操作：采用所述高頻判別器，基于所述高頻樣本數據中的一個高頻攻擊樣本，確定所述一個高頻攻擊樣本及相應高頻圖像數據之間的高頻損失值，并基于所述高頻損失值，調整所述高頻判別器的模型參數；

在所述高頻判別器滿足預設的高頻收斂條件時，固定所述高頻判別器的模型參數。

5.如權利要求3所述的方法，其特征在于，所述對預設的低頻判別器進行多輪迭代訓練，包括：

在每輪迭代訓練過程中，執行以下操作：采用所述低頻判別器，基于所述低頻樣本數據中的一個低頻攻擊樣本，確定所述一個低頻攻擊樣本及相應低頻圖像數據之間的低頻損失值，并基于所述低頻損失值，調整所述低頻判別器的模型參數；

在所述低頻判別器滿足預設的低頻收斂條件時，固定所述低頻判別器的模型參數。

6.如權利要求2、4和5任一項所述的方法，其特征在于，所述對所述樣本生成器進行對抗訓練，包括：

采用所述高頻判別器及所述低頻判別器，對所述樣本生成器進行多輪迭代訓練，在滿足預設的目標收斂條件時，輸出目標生成器；其中，在一輪迭代訓練的過程中，執行以下操作：

采用所述高頻判別器，基于所述高頻樣本數據中的一個高頻攻擊樣本，獲得相應的高頻判別結果，并采用所述低頻判別器，基于所述低頻樣本數據中的一個低頻攻擊樣本，獲得相應的低頻判別結果；

基于獲得的所述高頻判別結果及所述低頻判別結果，調整所述樣本生成器的模型參數。