一种基于内容感知GAN的对抗样本生成方法

    公开(公告)号:CN111881935B

    公开(公告)日:2023-04-18

    申请号:CN202010567205.3

    申请日:2020-06-19

    Abstract: 本发明公开一种基于内容感知GAN的对抗样本生成方法,在WGAN_GP的基础上改变训练过程,通过输入随机噪声直接生成有目标的对抗样本,增加内容特征提取部分,在不影响攻击效果的条件下约束生成样本的质量,使对抗样本能够尽量保留内容特征不做改变。包括生成器G,判别器D、目标模型f、扰动评估部分和特征提取网络,生成器负责从随机噪声中生成样本,根据判别器D、目标模型f、扰动评估部分和特征提取网络的损失函数对生成器进行训练,让生成器直接从噪声中生成不受限的对抗样本。本发明基于生成对抗网络,关注样本的语义信息,面向直接生成对抗样本的方式而不是叠加扰动的方式,使用非监督的GAN训练实现了指定目标的对抗样本的直接生成,加快样本生成速度,提高生成样本质量,在保持较高攻击成功率的同时减少了对抗样本在内容特征区域的变化。

    一种基于内容感知GAN的对抗样本生成方法

    公开(公告)号:CN111881935A

    公开(公告)日:2020-11-03

    申请号:CN202010567205.3

    申请日:2020-06-19

    Abstract: 本发明公开一种基于内容感知GAN的对抗样本生成方法,在WGAN_GP的基础上改变训练过程,通过输入随机噪声直接生成有目标的对抗样本,增加内容特征提取部分,在不影响攻击效果的条件下约束生成样本的质量,使对抗样本能够尽量保留内容特征不做改变。包括生成器G,判别器D、目标模型f、扰动评估部分和特征提取网络,生成器负责从随机噪声中生成样本,根据判别器D、目标模型f、扰动评估部分和特征提取网络的损失函数对生成器进行训练,让生成器直接从噪声中生成不受限的对抗样本。本发明基于生成对抗网络,关注样本的语义信息,面向直接生成对抗样本的方式而不是叠加扰动的方式,使用非监督的GAN训练实现了指定目标的对抗样本的直接生成,加快样本生成速度,提高生成样本质量,在保持较高攻击成功率的同时减少了对抗样本在内容特征区域的变化。

Patent Agency Ranking