[發明專利]一種面向交通信息感知的目標隱身對抗樣本生成方法

在審

• 申請號: 202210914923.2
• 申請日: 2022-08-01
• 公開（公告）號: CN115359336A
• 公開（公告）日: 2022-11-18
• 發明（設計）人: 黃世澤;張肇鑫;劉曉雯;張兵杰;秦晉哲;宋冠群
• 申請（專利權）人: 同濟大學
• 主分類號: G06V10/82
• 分類號: G06V10/82;G06N3/04;G06N3/08;G06V10/764;G06F17/10
• 代理公司: 上海科律專利代理事務所(特殊普通合伙) 31290
• 代理人: 葉鳳

本發明提供了一種面向交通信息感知的目標隱身對抗樣本生成方法，該方法主要針對YOLOv4目標檢測網絡。該方法包括：獲取待檢測原始圖片；將待檢測圖片輸入到YOLOv4目標檢測網絡；設計對抗損失函數；計算待檢測圖片在YOLOv4目標檢測網絡中的損失值；利用梯度算法計算對抗擾動；利用擾動截取方法將對抗擾動限制在目標區域；對抗樣本為原始圖片和對抗擾動進行相加。通過此發明可以生成對抗樣本，暴露YOLOv4目標檢測網絡存在的安全漏洞和問題，對交通信息感知系統進行有效的安全效果驗證。

技術領域

本發明涉及軌道交通領域，具體涉及面向交通信息感知的針對YOLOv4目標檢測網絡進行目標隱身攻擊的對抗樣本生成方法。

背景技術

近年來，車載交通信息感知系統飛速發展，該感知系統的目的是感知載運工具的運行環境和狀態。一般通過在司機室安裝攝像頭，拍攝并獲取交通工具的運行環境視頻圖像，通過智能算法對運行環境進行感知識別，進而針對運行環境做出智能決策。載運工具的運行環境十分復雜，主要包括復雜的路面情況、復雜多變的天氣條件和復雜的光照條件三方面。傳統圖像處理方法難以解決復雜運行環境感知的問題，需要采用深度學習算法實時檢測運行環境狀態。基于深度學習的目標檢測算法能夠檢測交通場景周圍的障礙物，并且YOLO目標檢測器憑借算法的運行效率高和準確率高的優點被廣泛應用于交通障礙物檢測領域。

對抗樣本目前已經成為近年來計算機領域的研究熱點，它對深度學習網絡的可靠性和安全性產生了巨大威脅。以計算機視覺感知為例，對抗樣本是指一張被人為添加了微小噪聲的圖像，在人類能夠正確感知該圖像的情況下，深度學習模型卻給出了錯誤的、與人類感知截然不同的感知結果。在自動駕駛領域等需要高可靠性的應用場景中，交通環境中的車輛和行人需要使用目標檢測深度學習網絡進行目標位置的定位。

現有技術中，中國專利申請CN114359672A“基于Adam的迭代快速梯度下降對抗攻擊方法”和中國專利申請CN108491837A“一種提高車牌攻擊魯棒性的對抗攻擊方法”等技術以及研究論文“Improving adversarial attacks on deep neural networks viaconstricted gradient-based perturbations”，“EnsembleFool:A method to generateadversarial examples based on model fusion strategy”等都是針對分類器網絡進行對抗樣本生成，并不涉及基于YOLO目標檢測器進行對抗樣本生成方法的介紹，并且針對分類器的對抗樣本也不能成功攻擊目標檢測器。

如果被檢測的圖像是被對抗噪聲干擾的對抗樣本圖像，目標檢測網絡則不能正確識別交通環境中的目標，嚴重的將導致交通事故。針對目標檢測網絡生成對抗樣本的難度，大于針對分類器的難度，分類器中的目標只有一個且無需給出目標的準確位置坐標，而目標檢測器含有多種不同目標的圖片并給出相應目標的準確位置坐標。現有的針對分類器的對抗樣本生成方法對交通信息感知系統威脅不大，因此需要一種能夠針對目標檢測網絡實現較高攻擊成功率的對抗樣本生成方法，用來優化目標檢測模型，增強對抗樣本防御能力。

發明內容

本發明提供了一種針對YOLOv4目標檢測網絡進行目標隱身攻擊的對抗樣本生成方法，采用梯度算法生成對抗樣本攻擊YOLOv4目標檢測網絡，暴露YOLOv4目標檢測網絡存在的安全漏洞和問題，幫助改進或提出更為有效的防御方法，提高交通信息感知系統的可靠性，是保證行車安全和乘客安全的重要舉措。

1.本發明提出的一種面向交通信息感知的目標隱身對抗樣本生成方法，包括以下步驟：

(1)獲取待檢測原始圖片；

(2)將待檢測圖片輸入到YOLOv4目標檢測網絡；

(3)設計對抗損失函數；

(4)計算待檢測圖片在YOLOv4目標檢測網絡中的損失值；

(5)利用梯度算法計算對抗擾動；