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！
摘要：本发明公开了一种针对人工智能合成图像的对抗鲁棒鉴伪方法，涉及图像检测和深度学习技术领域，在预训练模型后面连接一个附加模型，构成组合模型，用于对人工智能合成图像进行检测；组合模型的训练过程中，仅对附加模型的参数θ’进行更新，基于能量观点生成远离干净样本的对抗样本xf；分别对pθ’xf|x、pθ’y|xf,x、pθ’x进行优化设计；将pθ’xf|x、pθ’y|xf,x、pθ’x的梯度求和得到模型优化的最终梯度hθ’；根据最终梯度hθ’更新参数θ’，完成模型训练。本发明是一种轻量且通用的黑盒防御方法，保证AIGI检测的准确率且具有较高鲁棒性。
主权项：1.一种针对人工智能合成图像的对抗鲁棒鉴伪方法，其特征在于，在已有检测模型即预训练模型后面连接一个附加模型，构成组合模型，利用组合模型对人工智能合成图像进行检测；组合模型的训练过程中，仅对附加模型的参数θ’进行更新，具体如下所示：S1，随机初始化附加模型的参数θ’；获取干净样本x，并生成对抗样本xf；S2，对pθ’xf|x进行优化设计，计算pθ’xf|x的梯度；其中，pθ’xf|x表示给定干净样本x，对抗样本xf的概率；S3，对pθ’y|xf,x进行优化设计，计算pθ’y|xf,x的梯度；其中，y为干净样本x对应的真实标签，pθ’y|xf,x表示给定对抗样本xf与干净样本x，预测标签为干净样本真实标签y的概率；S4，对pθ’x进行优化设计，计算pθ’x的梯度；其中，pθ’x表示干净样本x的概率；S5，根据pθ’xf|x的梯度h1、pθ’y|xf,x的梯度h2和pθ’x的梯度h3，将三个梯度求和得到模型优化的最终梯度hθ’=h1+h2+h3；根据最终梯度hθ’更新附加模型的参数θ’，从而完成附加模型的训练。
全文数据：
权利要求：
百度查询： 合肥工业大学 一种针对人工智能合成图像的对抗鲁棒鉴伪方法
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