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：南京航空航天大学;上海机电工程研究所

摘要：本发明属于人工智能安全技术领域，涉及一种基于多维特征失真的红外小目标迁移扰动生成方法，首先，以特征失真程度最大化为目标，在多个不同维度的源网络上，偏移对抗样本与真实样本的差异；然后，根据不同维度的样本视觉差异与攻击效率，设计更新的损失函数；最后，根据红外小目标像素占比小的特性，在深层特征上，引入局部区域的特征靠近，模拟目标区域特征，生成高质量的对抗样本；本发明能够为红外小目标识别领域提供更加精准的安全评估与干扰策略。

主权项：1.一种基于多维特征失真的红外小目标迁移扰动生成方法，其特征在于，包括以下步骤：S1、将干净样本与初始对抗样本分别输入源网络ResNet18开始扰动迭代，其中，所述初始对抗样本是由随机扰动施加在干净样本上得到的；S2、每一次扰动迭代均依次通过第1阶段、第2阶段、第3阶段和第4阶段完成的，其中：当扰动迭代进入第1阶段时，干净样本与对抗样本通过perceptual_criteria（n）函数，n=1，得到两者的MSE值，即为第1阶段所对应的特征失真程度，乘上对应的权重α并添加入损失函数，此时损失为；当扰动迭代进入第2阶段时，干净样本与对抗样本通过perceptual_criteria（n）函数，n=2，得到两者的MSE值，即为第2阶段所对应的特征失真程度，乘上对应的权重β并添加入损失函数，此时损失为；当扰动迭代进入第3阶段时，干净样本与对抗样本通过perceptual_criteria（n）函数，n=3得到两者的MSE值，即为第3阶段所对应的特征失真程度，乘上对应的权重α并添加入损失函数，此时损失为；当扰动迭代进入第4阶段时，干净样本与对抗样本通过perceptual_criteria（n）函数,n=4，得到两者的特征图，通过extract_region函数选取需要进行特征靠近的区域，最后计算MSE值得到两者的特征靠近值，即为第4阶段所对应的特征靠近程度，乘上对应的权重γ并添加入损失函数，此时即为最终损失；S3、根据损失函数的梯度信息不断更新其像素值，并框定在干净样本加上扰动预算的像素值范围中，直至达到预设迭代次数，以生成对抗样本图像；其中：所述源网络ResNet18通过argparse库解析命令行参数，设定图像数据集路径、目标模型、批处理大小、扰动预算、步长、迭代次数；所述源网络ResNet18采用自定义数据加载器MFDP_Load，设定输入图片大小，指定图片格式，载入红外图像数据集；所述perceptual_criteria（n）函数的公式为： ，其中，Feature_Model表示各个阶段截取的ResNet18特征模型，Xadv表示对抗样本，Xreal表示干净样本，m表示图像的像素点个数，n表示第n个阶段；所述Extract_region函数用于识别并提取特征映射图中高于阈值的关键区域，具体为分别将干净样本特征图以及对抗样本特征图输入Extract_region函数，通过计算干净样本特征图的对比度信息把干净样本中的关键区域提取，其余区域用对抗样本的对应区域替代组成新的特征图；所述权重α、权重β和权重γ都是取红外小目标数据集的部分训练集在ResNet18上进行对抗样本生成训练后给出的。

全文数据：

权利要求：

百度查询： 南京航空航天大学 上海机电工程研究所 一种基于多维特征失真的红外小目标迁移扰动生成方法