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：湖南大学

摘要：本申请涉及一种基于元学习的生成式对抗攻击方法，该方法包括：基于数据库和模型库构建元学习对抗攻击任务，元学习对抗攻击任务包括元训练任务和元测试任务，元训练任务用于训练更新用于元测试任务的生成对抗神经网络中的生成器；元测试任务包括进行目标形态迁移扩散操作、对抗扰动随机擦除操作以及正则化参数混合操作；元学习对抗任务用于训练生成对抗神经网络中的生成器和判别器，重复执行元学习对抗任务，直至达到第一迭代次数；获取目标图像，并将目标图像输入至训练好的生成对抗神经网络，得到目标图像的对抗扰动样本；对对抗扰动样本进行约束，将约束的对抗扰动样本叠加到目标图像得到对抗样本。

主权项：1.一种基于元学习的生成式对抗攻击方法，其特征在于，包括：S1：获取由多个不同的目标识别数据集组成的数据库、由多个不同的目标识别模型组成的模型库；S2：基于所述数据库和所述模型库构建元学习对抗攻击任务，所述元学习对抗攻击任务包括元训练任务和元测试任务；所述元训练任务用于训练更新用于元测试任务的生成对抗神经网络中的生成器；所述元测试任务包括进行目标形态迁移扩散操作、对抗扰动随机擦除操作以及正则化参数混合操作；所述元学习对抗任务用于训练生成对抗神经网络中的生成器和判别器；所述基于所述数据库和所述模型库构建元学习对抗攻击任务包括：步骤1：设置第二迭代次数T；步骤2：从所述数据库中随机抽取两个所述目标识别数据集，从所述模型库中随机抽取两个所述目标识别模型；以抽取的所述目标识别数据集作为输入，以抽取的所述目标识别模型作为识别模型；形成两对目标识别数据集-目标识别模型对；一对目标识别数据集-目标识别模型对用于元训练任务，另一对用于元测试任务；步骤3：重复执行步骤2，直至生成T个元学习对抗攻击任务；所述元训练任务包括：步骤1：将元训练任务中的所述目标识别数据集输入至元训练任务中的所述目标识别模型，得到第一图像特征；步骤2：采用生成对抗神经网络中的生成器生成目标识别数据集的第一对抗样本，并将所述第一对抗样本输入至元训练任务中的所述目标识别模型，得到第一对抗图像特征；步骤3：拷贝所述生成器；并基于所述第一图像特征和所述第一对抗图像特征，计算第一特征距离损失；步骤4：基于所述第一特征距离损失，并采用梯度下降法更新拷贝的生成器的参数；所述元测试任务包括：步骤1：将元测试任务中的所述目标识别数据集输入至物体目标形态迁移扩散模型，生成元测试形态迁移数据；元测试形态迁移数据的计算公式为： ；其中，表示元测试形态迁移数据；表示物体目标形态迁移扩散模型；表示元测试任务中的所述目标识别数据集；V表示目标视角变化因子；P表示目标姿态变化因子；I表示目标图像光照变化因子；R表示目标分辨率变化因子；步骤2：将所述元测试形态迁移数据输入至元测试任务中的所述目标识别模型，生成第二图像特征；步骤3：将所述元测试形态迁移数据输入至拷贝的更新后的生成器生成对抗扰动，对所述对抗扰动进行随机擦除操作，生成第二对抗样本；步骤4：对元测试任务中的所述目标识别模型进行正则化参数混合操作；步骤5：将所述第二对抗样本输入至正则化参数混合操作后的所述目标识别模型，生成第二对抗图像特征；步骤6：基于所述第二图像特征和所述第二对抗图像特征，计算第二特征距离损失；基于所述第二对抗样本，并采用所述生成对抗神经网络中的判别器计算元测试生成损失；步骤7：结合所述第二特征距离损失和所述元测试生成损失，得到第一对抗攻击损失；所述第一对抗攻击损失用于更新原始的生成器的参数；所述对元测试任务中的所述目标识别模型进行正则化参数混合操作包括：步骤1：复制用于第t个元测试任务的目标识别模型，并将用于第t个元训练任务的目标识别数据集输入至复制的目标识别模型，固定复制的目标识别模型的参数，并设置复制的目标识别模型的批正则化层中的统计参数的更新方式为在线更新，获取复制的目标识别模型的网络架构中批正则化层的第一均值和第一方差；步骤2：固定用于第t个元测试任务的原始的目标识别模型的参数，并设置原始的目标识别模型的统计参数不更新，得到原始的目标识别模型的网络架构中批正则化层的第二均值和第二方差；步骤3：基于所述第一均值和所述第二均值计算混合均值，基于所述第一方差和所述第二方差计算混合方差，计算公式为： ； ；其中，表示第t个元测试任务中的混合均值；表示第t个元测试任务中的第二均值；表示第t个元测试任务中的第一均值；表示第t个元测试任务中的混合方差；表示第t个元测试任务中的第二方差；表示第t个元测试任务中的第一方差；表示混合因子；步骤4：以所述混合均值和所述混合方差替换第t个元测试任务中目标识别模型的正则化参数；S3：重复执行元学习对抗任务，直至达到第一迭代次数；S4：获取目标图像，并将所述目标图像输入至训练好的生成对抗神经网络，得到目标图像的对抗扰动样本；S5：对所述对抗扰动样本进行约束，将约束的对抗扰动样本叠加到所述目标图像得到对抗样本。

全文数据：

权利要求：

百度查询： 湖南大学 一种基于元学习的生成式对抗攻击方法