深度神经网络样本木马的构造方法及电子设备

    公开(公告)号:CN114186604B

    公开(公告)日:2025-03-07

    申请号:CN202111241117.5

    申请日:2021-10-25

    Abstract: 本公开提供一种深度神经网络样本木马的构造方法及电子设备,所述方法包括:通过注入后门中毒数据,调整深度神经网络结构以及构造后门攻击触发模式模型的方法,分析后门中毒数据、深度神经网络结构、后门攻击触发模式与深度神经网络中毒攻击成功之间的关系特性;基于所述关系特性,针对特定类别或通用类别数据构造深度神经网络样本木马的后门攻击触发模式;构造嵌入隐形后门的第一水印图案,以及构造校准图像几何变换的第二水印图案;基于优化所述后门攻击触发模式的方法构造所述深度神经网络样本木马。本公开提供的深度神经网络样本木马的构造方法构造的样本木马,具有良好的隐形性以及鲁棒性,能够为后续木马检测研究提供支撑。

    基于特征点及其结构关系的电路板残片图像识别方法

    公开(公告)号:CN110148133A

    公开(公告)日:2019-08-20

    申请号:CN201910534181.9

    申请日:2019-06-20

    Abstract: 本公开涉及基于特征点及其结构关系的电路板残片图像识别方法,其中在样本库中保存有样本图像及其特征点和特征描述,该方法包括步骤:1、提取残片图像的特征点;2、计算特征点的SIFT描述;3、分别计算每个特征点的SIFT描述与每个样本图像的每个特征点的SIFT描述的第一欧式距离;4、对第一欧式距离由小到大排序,选择特征点集中第一欧式距离排序靠前的多个特征点,作为的该特征点的候选匹配点;5、计算候选匹配点与该特征点的形状上下文描述之间的第二欧氏距离,保留第二欧式距离不大于预定阈值的候选匹配点,作为该特征点的匹配点集;6、在样本图像中寻找与残片图像的第一星型结构匹配的第二星型结构;7、根据星型结构之间的相似性,获得样本图像与残片图像的匹配度。

    爆炸装置电路板残片识别方法

    公开(公告)号:CN108961240A

    公开(公告)日:2018-12-07

    申请号:CN201810710880.X

    申请日:2018-07-03

    CPC classification number: G06T7/0004 G06T7/33 G06T2207/10024 G06T2207/30141

    Abstract: 本公开涉及爆炸装置电路板残片识别方法,其中在样本库中保存有样本图像及其特征点和特征描述,该方法包括步骤:1、提取残片图像的特征点;2、计算特征点的SIFT描述;3、分别计算每个特征点的SIFT描述与每个样本图像的每个特征点的SIFT描述的第一欧式距离;4、对第一欧式距离由小到大排序,选择特征点集中第一欧式距离排序靠前的多个特征点,作为的该特征点的候选匹配点;5、计算候选匹配点与该特征点的形状上下文描述之间的第二欧氏距离,保留第二欧式距离不大于预定阈值的候选匹配点,作为该特征点的匹配点集;6、在样本图像中寻找与残片图像的第一星型结构匹配的第二星型结构;7、根据星型结构之间的相似性,获得样本图像与残片图像的匹配度。

    基于特征点及其结构关系的电路板残片图像识别方法

    公开(公告)号:CN110148133B

    公开(公告)日:2021-04-06

    申请号:CN201910534181.9

    申请日:2019-06-20

    Abstract: 本公开涉及基于特征点及其结构关系的电路板残片图像识别方法,其中在样本库中保存有样本图像及其特征点和特征描述,该方法包括步骤:1、提取残片图像的特征点;2、计算特征点的SIFT描述;3、分别计算每个特征点的SIFT描述与每个样本图像的每个特征点的SIFT描述的第一欧式距离;4、对第一欧式距离由小到大排序,选择特征点集中第一欧式距离排序靠前的多个特征点,作为的该特征点的候选匹配点;5、计算候选匹配点与该特征点的形状上下文描述之间的第二欧氏距离,保留第二欧式距离不大于预定阈值的候选匹配点,作为该特征点的匹配点集;6、在样本图像中寻找与残片图像的第一星型结构匹配的第二星型结构;7、根据星型结构之间的相似性,获得样本图像与残片图像的匹配度。

    深度神经网络样本木马的构造方法及电子设备

    公开(公告)号:CN114186604A

    公开(公告)日:2022-03-15

    申请号:CN202111241117.5

    申请日:2021-10-25

    Abstract: 本公开提供一种深度神经网络样本木马的构造方法及电子设备,所述方法包括:通过注入后门中毒数据,调整深度神经网络结构以及构造后门攻击触发模式模型的方法,分析后门中毒数据、深度神经网络结构、后门攻击触发模式与深度神经网络中毒攻击成功之间的关系特性;基于所述关系特性,针对特定类别或通用类别数据构造深度神经网络样本木马的后门攻击触发模式;构造嵌入隐形后门的第一水印图案,以及构造校准图像几何变换的第二水印图案;基于优化所述后门攻击触发模式的方法构造所述深度神经网络样本木马。本公开提供的深度神经网络样本木马的构造方法构造的样本木马,具有良好的隐形性以及鲁棒性,能够为后续木马检测研究提供支撑。

Patent Agency Ranking