龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：西华大学
摘要：本发明公开了一种基于改进的ViT损失分布差异的对抗样本检测方法及系统，所述方法包括：获取干净样本，所述干净样本为无类别标签的图像样本；构建检测模型，所述检测模型为采用分层注意力机制和注意力池化机制改进的ViT模型；将所获取的干净样本进行总变差降噪，然后将降噪前后的干净样本输入检测模型，以均方误差作为损失函数训练模型；对待检测样本进行总变差降噪，然后将降噪前后的待检测样本分别输入训练好的检测模型，计算待检测样本降噪前后损失的均方误差；最后，计算待检测样本的K‑S值、Z‑score标准分，并由此判定待检测样本是否为对抗样本。本发明能够有效提高检测模型的性能。
主权项：1.一种基于改进的ViT损失分布差异的对抗样本检测方法，其特征在于，包括：步骤S1，获取干净样本，所述干净样本为无类别标签的图像样本；步骤S2，构建检测模型，所述检测模型为采用分层注意力机制和注意力池化机制改进的ViT模型（VisionTransformer，ViT）；步骤S3，首先对所获取的干净样本进行总变差降噪，然后将降噪前后的干净样本输入检测模型，以均方误差作为损失函数优化模型，直至损失下降趋于稳定，得到训练好的检测模型；最后，计算干净样本降噪前后损失的均方误差，得到干净样本降噪前后损失的均方误差分布loss_normal；步骤S4，获取待检测样本，所述待检测样本为无类别标签的图像样本，包括干净样本和对抗样本；首先对待检测样本进行总变差降噪，然后将降噪前后的待检测样本分别输入训练好的检测模型，计算待检测样本降噪前后损失的均方误差before_after_mse；步骤S5，计算待检测样本的K-S值：ks_result=K-Sbefore_after_mse,loss_normal，如果ks_result为false，则将待检测样本判定为对抗样本；否则进一步计算待检测样本的Z-score标准分：z_score_result=Z-scorebefore_after_mse,loss_normal，如果z_score_result大于设定的阈值P，则将待检测样本判定为对抗样本，否则为干净样本。
全文数据：
权利要求：
百度查询： 西华大学 基于改进的ViT损失分布差异的对抗样本检测方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号