本发明公开了一种基于孪生网络的目标跟踪通用鲁棒对抗攻击方法，包括以下步骤：利用GIOU引导的通用鲁棒目标跟踪对抗攻击方法，通过对输入视频帧进行翻转填充变换产生丰富样本，以视频帧真实标注框与目标跟踪器预测框之间的GIOU分数为引导产生通用对抗扰动，同时对扰动应用多种变换操作来寻找最佳通用扰动，使扰动能抵御目标跟踪中的各种挑战。本发明可以将训练好的扰动直接迁移叠加到任意未知图像中，生成的对抗样本图像不仅不易被发现，且不需要额外的计算资源，实现了目标跟踪攻击的高效性和鲁棒性。
📄 2023100531103
📂 G06T7_246
👤 南京信息工程大学
📅 2023-02-03
本发明公开了一种基于神经元激活率的对抗攻击防御方法，包括：1)获取图像数据集并进行预处理，构建训练集和测试集；2)构建CNN网络结构的分类器模型；3)构建二分类判别器D，对分类器模型关于输入本x的输出N进行判定；4)根据分类器模型和二分类判别器D的损失函数构建整体的损失函数，确定整体优化目标；采用训练集对整体模型进行联合训练，当整体的损失函数收敛时，停止训练并保存模型；5)输入测试集对训练后的分类器模型进行测试，若分类准确率低于阈值，则修改整体损失函数的λ，按步骤4)再次进行训练，直至分类准确率高于阈值。本发明的防御方法具有良好的适用性和准确率，对对抗攻击有良好的防御效果。
📄 2021106579253
📂 G06N3_094
👤 浙江工业大学
📅 2021-06-11
本发明公开一种基于相关性分析的对抗攻击协同防御方法及装置，包括：(1)获取每种攻击方法对应的对抗图像；(2)利用多种防御方法分别作用深度学习模型得到多个防御模型；(3)根据任意两个防御模型的预测置信度，计算任意两个防御模型之间的第一散度相关性；(4)根据任意一个防御模型的预测置信度和深度学习模型的预测置信度，计算任意一个防御模型与深度学习模型之间的第二散度相关性；(5)确定最大第一散度相关性对应的两个防御模型后，选择该两个防御模型对应的两个第二散度相关性，从两个第二散度相关性中选择较大者和较小者对应的防御模型依次进行对抗攻击防御识别。能够选择快速高效地防御方法来对抗防御攻击。
📄 2020111809161
📂 G06K9_62
👤 浙江工业大学
📅 2020-10-29
一种基于对抗攻击的车牌攻击生成方法，包括以下步骤：1)按照中国车辆号牌标准将制作的车牌整理为标准车牌数据集O；2)采用opencv的仿射变换函数变换得数据集A；采用opencv的亮度变换函数变换得数据集B；采用opencv的仿射变换函数和亮度变换函数变换得数据集C；3)构造一个LeNet-5，并对车牌数据集O、A、B、C进行字符检测与分割，然后用分割后的数据集训练LeNet-5模型；4)在不同成像角度和光照强度下对打印的真实对抗车牌样本进行拍摄，调用已训练的车牌分类器LeNet-5对拍摄的数字对抗样本进行识别。本发明使得对抗扰动的生成不再受限于实际中众多环境因素的影响，具有较高的实用价值。
📄 2018101881086
📂 G06K9_20
👤 浙江工业大学
📅 2018-03-07
本发明公开了一种基于主动防御图像对抗攻击的人脸识别方法，包括以下步骤：(1)将人脸视频截取成帧图像，经IS‑FDC分割后添加人脸标签，以建立人脸库；(2)利用FaceNet模型提取静态帧图像的脸部特征；(3)利用LSTM网络提取人脸视频的行为特征后，将行为特征输入至AlexNet模型中，经提取获得微表情特征；(4)将脸部特征与微表情特征拼接获得最终脸部特征，根据人脸库中存储的人脸标签确定该最终脸部特征对应的人脸标签。该方法能够有效地防御图像对抗攻击，提高了人脸识别准确度。
📄 2018106129461
📂 G06K9_00
👤 浙江工业大学
📅 2018-06-14
本发明公开了一种基于通道检测的面向无线信号识别的对抗攻击防御方法与装置，包括：(1)训练无线电信号调制类型识别模型DNN、无线信号特征映射模型F；(2)生成对抗无线信号；(3)利用映射模型F获得的对抗无线信号和良性无线信号的映射图像；(4)对映射图像进行变换操作，利用DNN获得的变换后的映射图像的置信度矩阵；(5)利用置信度矩阵训练通道检测模型D；(6)对待识别无线信号进行图片映射，图片变换后获得对应的置信度矩阵，利用训练好的通道检测模型D获得待识别无线信号的识别结果，该对抗攻击防御方法与装置能够实现对无线信号的攻击防御。
📄 2019110319228
📂 G06F18_214
👤 浙江工业大学
📅 2019-10-28
本发明公开了一种基于注意力机制的对抗攻击防御模型的构建方法，首先利用特征图和通道注意力机制得到包含特征像素点的重构图，再利用特征像素点与原图相似度大的特点，运用空间注意力机制将无关像素点滤除，对特征像素点进行加强，最后得到防御后的图片，很大程度上降低了模型误判的概率，提高模型的鲁棒性。还公开了一种基于注意力机制的对抗攻击防御模型的构建方法获得的对抗攻击防御模型，以及对抗攻击防御模型在恶性图片识别中的应用。
📄 2019105374047
📂 G06K9_62
👤 浙江工业大学
📅 2019-06-20
本发明公开了一种基于概念敏感性量化识别对抗攻击的防御方法，包括以下步骤：(1)生成图片样本集；(2)构建概念生成器，按类将图片样本集中的图片样本输入，获得每类图片样本所对应的最大决策影响概念；(3)将所有最大决策影响概念和噪声输入图像深度学习模型的特征提取网络，再采用二分类器进行分类，对特征提取网络进行训练；(4)将所有最大决策影响概念输入训练完成的特征提取网络，再采用图像深度学习模型的分类器进行分类，对分类器进行训练；(5)训练完成后，获得训练好的图像深度学习模型；采用训练好的图像深度学习模型对待识别图像进行识别。该方法可提高图像深度学习模型的可解释性以及识别和防御能力。
📄 2020104725265
📂 G06F18_214
👤 浙江工业大学
📅 2020-05-28
面向深度学习模型对抗攻击的拟态防御方法，包括以下步骤：1)准备对抗样本；2)训练对抗样本检测器；3)检测对抗样本；4)防御对抗扰动，具体包括主动防御对抗扰动、被动防御对抗扰动。本发明避免了手动提取特征及划分像素块的弊端，简化了流程；提高了训练效率；提高了数据更新的速度及准确率；提高了数据处理的效率。
📄 2019107903331
📂 G06K9_62
👤 浙江工业大学
📅 2019-08-26
本发明涉及人工智能技术领域，且公开了一种基于拉丁超立方体抽样估计梯度的边界对抗攻击方法，包括以下步骤：S1、将原始图像与从均匀分布中采样的随机噪声混合，并逐渐增大随机噪声的权值，直到被模型错误分类为止；S2、之后作为初始对抗样本，进行迭代算法，该算法由梯度方向估计、沿梯度方向前向移动和用二分搜索算法投影回决策边界三个步骤组成，本发明拟设计一种基于决策的黑盒攻击，在查询数量和对抗样本质量之间进行可控的权衡。通过设计一种采用拉丁超立方体采样来估计梯度方向的方法，来制作对抗样本。在进行攻击时，我们的方法通过查询只有目标模型的硬标签来生成对抗样本，达到高查询利用率、快速减少失真的目的。
📄 202210200073X
📂 G06V10_82
👤 广州大学
📅 2022-03-01
本发明公开了一种基于深度三维检测器的通用对抗攻击方法、存储介质和终端，方法包括以下步骤：获取待攻击的深度三维检测器的结构，得到预存的与所述结构对应的对抗体素；当进行攻击时，将所述对抗体素叠加至输入于待攻击的深度三维检测器的雷达激光场景上。本发明使用对抗体素的方法计算和保存场景修改计算方便；以对抗体素形式保存的修改可以应用到任何点云场景中，具有通用性；同时采用对抗体素的方法会最大可能的使修改能够保留梯度到检测结果并进行优化。
📄 2021102552228
📂 G06T7_00
👤 电子科技大学
📅 2021-03-09
本发明属于智能无线设备安全领域，涉及一种深度学习信号识别分类器对抗攻击样本的产生方法。本发明提供了一种深度学习信号识别分类器对抗攻击样本的产生方法，结合了快速梯度符号方法和投影梯度下降方法，利用蒙特卡罗方法在信号样本邻域内随机初始化搜索起点可以提高梯度计算稳定性的特性，通过对一批相同类别信号样本联合优化损失函数产生在同类信号样本中具有良好通用攻击性的对抗攻击样本。本发明的有益效果为，本发明可以提高深度学习信号识别分类器的对抗攻击样本产生过程中梯度计算的稳定性，同时能够产生具有在同类样本中良好通用攻击性的对抗攻击样本，方法简单，效果良好。
📄 2022109838413
📂 G06K9_00
👤 电子科技大学
📅 2022-08-17
柿子坊 · 知识产权运营
柿子坊知识产权运营平台