公开(公告)号：CN115759190A

公开(公告)日：2023-03-07

申请号：CN202211515085.8

申请日：2022-11-30

Applicant: 东南大学

Inventor： 黄杰 ,  张泽平

IPC: G06N3/045 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0475 ,  G06N3/082 ,  G06N3/094 ,  G06V10/82 ,  G06V10/764 ,  G06V10/774

Abstract: 本发明公开了一种跨域黑盒模型逆向攻击方法，包括如下步骤：获取待攻击目标模型的黑盒访问权限；获取隐私图像预测向量并制作数据集；获取辅助图像并制作数据集；建立对抗域对齐逆向攻击模型；使用建立好的辅助图像数据集和隐私图像深度特征数据集训练对抗域对齐逆向攻击模型，对网络内的权重参数进行更新，直到网络的损失函数收敛，得到训练好的对抗域对齐逆向攻击模型；将采集得到的隐私图像预测向量输入训练好的对抗域对齐逆向攻击模型，得到恢复的隐私训练图像，本发明在具有域差异的场景下实现了高性能的黑盒跨域模型逆向攻击，能够解决目前跨域模型逆向攻击需要白盒访问权限、普通模型逆向攻击在有域差异的场景下攻击效果差等问题。

公开(公告)号：CN118135043A

公开(公告)日：2024-06-04

申请号：CN202311791701.7

申请日：2023-12-25

Applicant: 东南大学

Inventor： 黄杰 ,  张泽平

IPC: G06T11/00 ,  G06V10/44 ,  G06V10/774 ,  G06V10/776 ,  G06V10/80 ,  G06N3/0464

Abstract: 本发明公开了一种基于深度卷积特征扩增的小样本模型逆向攻击方法，包括：获取待攻击目标网络模型的白盒访问权限；获取少量隐私图像深度卷积特征；扩增深度卷积特征以建立深度卷积特征数据集；建立深度卷积特征模型逆向攻击网络模型；使用建立好的深度卷积特征数据集训练深度卷积特征模型逆向攻击网络模型，对网络内的权重参数进行更新，直到网络的损失函数收敛，得到训练好的深度卷积特征模型逆向攻击网络模型；将采集得到的隐私图像深度卷积特征输入训练好的深度卷积特征模型逆向攻击网络模型，得到恢复的隐私图像。本发明对少量深度卷积特征进行扩增并利用扩增后的数据进行训练，提高了模型逆向攻击在无辅助数据且隐私特征数量较少时的性能。

公开(公告)号：CN115718929A

公开(公告)日：2023-02-28

申请号：CN202211515102.8

申请日：2022-11-30

Applicant: 东南大学

Inventor： 黄杰 ,  张泽平

IPC: G06F21/62 ,  G06F21/55 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了一种跨域模型逆向攻击方法，包括如下步骤：获取待攻击目标网络模型的白盒访问权限；获取隐私图像深度特征并制作数据集；获取辅助图像样本并制作数据集；建立对抗域对齐模型逆向攻击网络模型；使用建立好的辅助图像数据集和隐私图像深度特征数据集训练对抗域对齐模型逆向攻击网络模型，对网络内的权重参数进行更新，直到网络的损失函数收敛，得到训练好的对抗域对齐模型逆向攻击网络模型；将采集得到的隐私图像深度特征输入训练好的对抗域对齐模型逆向攻击网络模型，得到恢复的隐私训练图像，本发明在具有域差异的场景下实现了高性能的跨域模型逆向攻击，能够解决目前模型逆向攻击在跨域场景下攻击效果差的问题。

公开(公告)号：CN114663658B

公开(公告)日：2024-06-04

申请号：CN202210253629.1

申请日：2022-03-15

Applicant: 东南大学

Inventor： 黄杰 ,  张泽平 ,  汪潇文 ,  张冼文 ,  骆靖濠

IPC: G06V10/26 ,  G06V10/28 ,  G06V10/774 ,  G06V10/82 ,  G06T7/00 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种具备跨域迁移能力的小样本AOI表面缺陷检测方法，包括如下步骤：采集表面缺陷样本图像，制作相应数据集；建立缺陷检测神经网络模型；对语义分割网络进行训练，对网络内的权重参数进行更新，直到网络的损失函数收敛；使用建立好的目标域表面缺陷数据集进一步训练语义分割网络，实现语义分割网络的跨域迁移，得到训练好的跨域语义分割网络；训练决策网络；将采集得到的目标域表面缺陷图像输入训练好的缺陷检测神经网络模型，得到缺陷检测结果，本发明在具有较大域差异的场景下实现了高速，高精度的跨域表面缺陷检测，能够解决目前的AOI工业质检设备易受光照影响，缺陷样本少，无法跨域迁移等问题。

公开(公告)号：CN114663658A

公开(公告)日：2022-06-24

申请号：CN202210253629.1

申请日：2022-03-15

Applicant: 东南大学

Inventor： 黄杰 ,  张泽平 ,  汪潇文 ,  张冼文 ,  骆靖濠

IPC: G06V10/26 ,  G06V10/28 ,  G06V10/774 ,  G06V10/82 ,  G06T7/00 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明公开了一种具备跨域迁移能力的小样本AOI表面缺陷检测方法，包括如下步骤：采集表面缺陷样本图像，制作相应数据集；建立缺陷检测神经网络模型；对语义分割网络进行训练，对网络内的权重参数进行更新，直到网络的损失函数收敛；使用建立好的目标域表面缺陷数据集进一步训练语义分割网络，实现语义分割网络的跨域迁移，得到训练好的跨域语义分割网络；训练决策网络；将采集得到的目标域表面缺陷图像输入训练好的缺陷检测神经网络模型，得到缺陷检测结果，本发明在具有较大域差异的场景下实现了高速，高精度的跨域表面缺陷检测，能够解决目前的AOI工业质检设备易受光照影响，缺陷样本少，无法跨域迁移等问题。