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：北京航空航天大学
摘要：本发明提供一种基于联想学习的选择性攻击方法及装置，所述方法包括：根据输入图像的全局扰动和空间注意力之间的耦合关系，对所述空间注意力进行优化，以生成联想注意力；根据所述联想注意力和所述全局扰动生成选择性扰动，以根据所述选择性扰动对所述输入图像进行选择性攻击。本发明提供的基于联想学习的选择性攻击方法及装置，基于全局扰动和空间注意力之间的耦合关系，对空间注意力进行优化生成联想注意力，并且基于联想注意力可以更好的实现对输入图像的关键区域的攻击。
主权项：1.一种基于联想学习的选择性攻击方法，其特征在于，包括：根据输入图像的全局扰动和空间注意力之间的耦合关系，对所述空间注意力进行优化，以生成联想注意力；根据所述联想注意力和所述全局扰动生成选择性扰动，以根据所述选择性扰动对所述输入图像进行选择性攻击；在根据输入图像的全局扰动和空间注意力之间的耦合关系，对所述空间注意力进行优化之前，获取输入图像的全局扰动；所述全局扰动的表达式为： 其中，δ为全局扰动，x∈RH×H表示输入图像x的尺寸为H×H；GW,x为交叉熵损失函数，W为深度神经网络模型的权重；∈为扰动边界，表示所述交叉熵损失函数关于x的梯度，sign为符号函数；所述根据输入图像的全局扰动和空间注意力之间的耦合关系，对所述空间注意力进行优化，以生成联想注意力，包括：设置对所述空间注意力进行优化的目标函数；基于所述目标函数，确定所述空间注意力的更新策略；基于所述更新策略对所述空间注意力进行更新，以生成所述联想注意力；所述目标函数的表达式为： 所述更新策略的表达式为： 其中，Φ{W,M,δ}为深度神经网络模型；M为所述空间注意力；y为所述输入图像x的标签；Ma为所述联想注意力；ξ1为第一学习率，ξ2为第二学习率；Tr表示矩阵的迹。
全文数据：
权利要求：
百度查询： 北京航空航天大学 一种基于联想学习的选择性攻击方法及装置
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