专利交易市场

本发明涉及一种基于图像高阶引导编码重组的对抗样本恢复方法及系统，该方法包括以下步骤：对抗样本输入预先训练好的编码器中，由该编码器将对抗样本编码为特征向量，并在该特征向量中引入高斯噪声；将引入高斯噪声的特征向量归一化后输入预先训练好的解码器中，输出得到恢复后的图像样本；所述编码器和解码器同时训练，编码器的输出作为解码器的输入，并在训练过程中引入图像分类器对解码器输出的图像样本进行分类，解码器输出的图像样本的损失为类别损失与图像损失之和，所述图像损失为输入图像和输出图像的回归损失；训练所采用的样本为正常样本。本发明不仅可以提高恢复效果，而且方法还特别简单，适于应用推广。

本发明涉及一种对抗样本防御模型训练方法、系统及其应用，首先获取训练集，训练集包括对抗样本和真实样本。然后构建初始防御模型，初始防御模型包括生成器、判别器和分类器。最后利用训练集对初始防御模型进行训练，得到防御模型，本发明通过构造相应逆扰动来重构对抗样本，得到近似于真实样本的重构样本，从而获得较好的对抗样本防御效果。在对对抗样本进行分类时，先利用上述防御模型对待分类对抗样本进行对抗扰动消除，得到重构样本，所得到的重构样本可近似真实样本，将该重构样本输入至分类模型，能够使得分类模型正确分类，避免对抗扰动导致分类模型错误分类的问题，显著提高分类模型对对抗样本的分类正确率。