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：中国人民公安大学;绿盟科技集团股份有限公司

摘要：本发明公开一种基于Involution‑GAN的手写签名对抗样本生成方法，包括：构建Involution‑GAN模型；该模型由生成器、判别器和目标神经网络组成；所述生成器中引入了Involution算子；将伪造手写签名图像输入构建的Involution‑GAN模型中，基于构建的模型生成手写签名对抗样本。本发明构建了Involution‑GAN模型；同时对损失函数进行了优化并引入了Involution算子，最终使得生成的对抗扰动噪声尽可能地分布在书写笔迹上而非空白区域，减少被人眼觉察地可能性。通过本发明得到的手写签名对抗样本具有较高的质量，通过该对抗样本可以自动化检测现有手写签名鉴别系统的可靠性。

主权项：1.一种基于Involution-GAN的手写签名对抗样本生成方法，其特征在于，包括：构建Involution-GAN模型；所述Involution-GAN模型由生成器、判别器和目标神经网络组成；所述生成器中引入了Involution算子；将伪造手写签名图像输入构建的Involution-GAN模型中，基于构建的Involution-GAN模型生成手写签名对抗样本；该方法具体包括：通过生成器接收伪造手写签名图像，从中提取伪造手写签名图像的空间特征并生成对应的对抗扰动噪声；通过扰动区域限制损失函数Lregion对对抗扰动噪声进行约束；所述扰动区域限制损失函数Lregion为：Lregion＝||P*1-binX||2公式2其中P表示生成的扰动噪声矩阵；X表示输入的原始手写签名图像样本；bin是图像二值化转换函数；将扰动区域限制损失函数Lregion约束后的对抗扰动噪声和伪造手写签名图像进行叠加，生成一张手写签名对抗样本，并将生成的手写签名对抗样本输入判别器和目标神经网络中；通过判别器区分生成的手写签名对抗样本与输入的伪造手写签名图像；通过GAN损失函数LGAN训练判别器和生成器；通过对抗损失函数Ladv最大化目标神经网络预测标签与真实标签之间的距离；通过Lregion、LGAN、Ladv的约束，生成最终的手写签名对抗样本。

全文数据：

权利要求：

百度查询： 中国人民公安大学 绿盟科技集团股份有限公司 基于Involution-GAN的手写签名对抗样本生成方法