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：中国人民解放军军事科学院系统工程研究院
摘要：本发明属于人工智能安全技术领域，具体涉及基于GAN和特征差异矩阵的图像样本对抗性消除方法，根据防御场景，针对常见攻击动态构建混合对抗样本集，与对抗样本对应的干净图像样本集共同构成训练数据集；设计生成器损失函数；设计GAN的架构和训练方式，在训练成本和防御效果之间进行权衡；在对抗性环境下训练GAN；GAN的生成器作为实施对抗性消除的主要工具，对比不同训练轮次生成器处理后的图像样本在分类模型上的分类准确率，选择分类准确率最高的生成器作为净化器。本发明防御效果高、泛化能力强、训练时间短，在输入图像对抗样本进入到深度神经网络模型前消除或减少其对抗性扰动，实现防御对抗样本攻击的目的。
主权项：1.基于GAN和特征差异矩阵的图像样本对抗性消除方法，其特征在于，包括如下步骤：步骤一：根据防御场景，针对常见攻击动态构建混合对抗样本集，与对抗样本对应的干净图像样本集共同构成训练数据集；步骤二：根据防御场景，依托对抗样本特征差异矩阵，对防御场景下常见攻击生成对抗样本和对应干净图像进行特征差异分析，选择能最大程度放大对抗样本和干净图像差异的特征和特征差异度量方式，根据所述特征和特征差异度量方式设计生成器损失函数；步骤三：根据防御场景常见数据集的大小，设计GAN的架构和训练方式，在训练成本和防御效果之间进行权衡；步骤四：在对抗性环境下训练GAN，设置训练轮次，保存每个训练轮次中GAN的生成器状态；步骤五：GAN训练完成，GAN的生成器作为实施对抗性消除的主要工具，在多种攻击方法下，综合测试保存的不同训练轮次生成器防御效果，对比不同训练轮次生成器处理后的图像样本在分类模型上的分类准确率，选择分类准确率最高的生成器作为净化器。
全文数据：
权利要求：
百度查询： 中国人民解放军军事科学院系统工程研究院 基于GAN和特征差异矩阵的图像样本对抗性消除方法
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