公开(公告)号：CN117876817A

公开(公告)日：2024-04-12

申请号：CN202311791668.8

申请日：2023-12-25

Applicant: 北京化工大学

Inventor： 张帆 ,  冯宇强 ,  邹海燕 ,  马飞 ,  周勇胜

IPC: G06V10/774 ,  G06V10/82 ,  G06V10/764 ,  G06V20/10 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/094

Abstract: 本发明公开一种对抗样本生成方法，包括如下步骤：构建生成对抗网络；获取云层参数向量并输入至生成对抗网络中，获得混合云层掩膜；将所述混合云层掩膜与原始无云遥感图像进行混合，获得被云层覆盖的对抗样本；将对抗样本输入至拟攻击的遥感图像分类神经网络，以对抗性损失和像素均方差损失作为差分进化算法的目标损失函数进行云层参数向量优化，当算法的查询次数达到设定上限或者对抗云层攻击成功时，输出最终生成的对抗样本。本发明通过最终生成的对抗样本对遥感图像分类网络进行攻击，其作为黑盒攻击方法无需了解网络内部结构，攻击成功率高且生成的对抗样本自然。

公开(公告)号：CN117876817B

公开(公告)日：2024-06-21

申请号：CN202311791668.8

申请日：2023-12-25

Applicant: 北京化工大学

Inventor： 张帆 ,  冯宇强 ,  邹海燕 ,  马飞 ,  周勇胜

IPC: G06V10/774 ,  G06V10/82 ,  G06V10/764 ,  G06V20/10 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/094

Abstract: 本发明公开一种对抗样本生成方法，包括如下步骤：构建生成对抗网络；获取云层参数向量并输入至生成对抗网络中，获得混合云层掩膜；将所述混合云层掩膜与原始无云遥感图像进行混合，获得被云层覆盖的对抗样本；将对抗样本输入至拟攻击的遥感图像分类神经网络，以对抗性损失和像素均方差损失作为差分进化算法的目标损失函数进行云层参数向量优化，当算法的查询次数达到设定上限或者对抗云层攻击成功时，输出最终生成的对抗样本。本发明通过最终生成的对抗样本对遥感图像分类网络进行攻击，其作为黑盒攻击方法无需了解网络内部结构，攻击成功率高且生成的对抗样本自然。