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：广州大学

摘要：本发明公开了一种基于深度字符树模型的图像可解释性及防御扰动方法，收集相关的输入图像数据集，对图像数据集进行初步预处理，处理并保存使用五种攻击扰动算法生成对应的五种不同对抗样本及不经过任何处理的正常样本，将对应不同的对抗样本+正常样本作为训练样本，将训练样本输入到深度字符树模型训练，采用对抗样本+正常样本作为测试样本，检验模型的防御能力，模型对不同的扰动样本高亮显示输出对应的扰动决策点。该基于深度字符树模型的图像可解释性及防御扰动方法，对于不同的对抗样本具备有很好防御能力的同时，也具备有对不同对抗样本扰动攻击点的可解释性，从而确保能精确识别出不同的对抗样本对图像的攻击扰动最大决策点所处位置。

主权项：1.一种基于深度字符树模型的图像可解释性及防御扰动方法，其特征在于，包括以下步骤：S1：收集相关的输入图像数据集；S2：需要对所输入的图像数据进行预处理，从而满足深度字符树算法模型的数据输入要求；深度字符树算法能自适应不同的图像格式，构建不同的图像数据维度关联模型参数，建立图像样本节点的关联性；S3：使用FGSM、DeepFool、CW、BIM、PGD共五种攻击扰动算法生成对应的对抗样本；对输入的图像数据不做扰动处理的正常样本；S4：将对应不同的对抗样本+正常样本作为训练样本，将其输入到深度字符树模型中，在抵御扰动样本扰动的同时，完成对图像数据样本的正确分类；S5：采用区别与训练时的对抗样本+正常样本作为测试样本，检验模型的防御能力；S6：模型对不同的扰动样本高亮显示输出对应的扰动决策点；其中，所述深度字符树算法的基本参数定义：用小写字母x表示某个单一数据样本变量，用大写字母X表示多个样本变量以及所关联的单一样本变量，字符表示为变量x或其否定的┒x，逻辑句子是由字面意义和连接词构成的，即标准的AndGate和OrGate，集合表示它们的联合；x样本变量对应的正值输入值为p1,p2,…,pn.负值输入值为且所述深度字符树算法的训练过程包括：1在最开始时，首先要确保不同的数据样本维度都能成功输入到深度字符树结构中；在设计深度字符树时，考虑两个节点：一个为叶子节点，一个为内部节点；对于叶子节点，将数据样本都作为终端叶子节点，从而保证数据样本的每一个像素值都被考虑入内；对于内部节点，建立在叶子节点基础上，包括有左孩子、右孩子两个节点；2在深度字符树中的每一个决策节点，都被会分布和分解为右孩子right和左孩子left上的独立分布，该独立分布的概率符合给定基础概率Prime，能得到数据本身的独立分布情况：Prqright·left∣[pi]＝Prqright∣[pi]Prqleft∣[pi]＝PrpirightPrsileft一个逻辑语句的独立性成为上下文的独立性，对于深度字符树整体结构，该逻辑语句的独立性在特定的语境中能被直接使用，在进行结构调整的过程中，最终需要保证模型最终结合的概率达到最大，需要考虑节点间的关联；为了保证数据间存在相对独立性，使用数据间的相互信息MI： 相互信息MI表明在整个深度字符树结构中，右孩子right和左孩子left数据是相互独立的，不存在关联，在MI能保证深度字符树结构的每个节点拆分后，得到最小的右孩子right和左孩子left的关系，在实际计算右孩子right和左孩子left的MI时，需要考虑到DST本身的结构特性，要针对每个节点的右孩子right和左孩子left计算成对之间的MI去近似求解MI；AndGate在对于节点间运行时，当节点为AndGate，且有左右孩子leftright时，需要满足： 其中gnx为节点所对应的权重函数，childci,i∈[1,m]；而在进行OrGate运算时，除了包括有左右孩子，还需要左右孩子所对应的权重值，从而满足： θi表示实值参数，i∈[1,m]，fn,x,ci表示样本x在父结点n和孩子节点c的概率流,以及Prq.是参数化分布，同时每个变量X都有单个样本x的赋予的概率，深度字符树结构本身采用层级化的逻辑结构进行运算，将真实图像样本数据通过伯努利分布，将0-255的图像数值范围直接映射到0-1之间；3考虑到整个深度字符树结构应用整个结构中，根节点n与孩子节点c在局部及全局都形成关联：fnn,x,c＝fn,x,c；对深度字符树结构的任意节点node的父结点z1,zx,…,zm,分以下两种情况：若节点node在AndGate上，全局概率计算需要满足： 若节点node在OrGate上，全局概率计算需要满足： 此时，连续变量通过对二值数值x的概率进行计算；因此，对于OrGate及AndGate节点运行，可以转化为以下形式：对于连续值，AndGate需要满足： 对于连续值，OrGate需要满足： 在最终的root节点上，有相应的权重函数gx，在求解数据样本的对应概率时，通过计算x与θ所最终得到的概率：

全文数据：

权利要求：

百度查询： 广州大学 一种基于深度字符树模型的图像可解释性及防御扰动方法