[发明专利]一种基于深度学习的HRRP有目标对抗样本生成方法有效

专利信息
申请号: 202010141577.X 申请日: 2020-03-03
公开(公告)号: CN111368725B 公开(公告)日: 2023-10-03
发明(设计)人: 黄腾;杨碧芬;闫红洋;姚炳健;陈湧锋 申请(专利权)人: 广州大学
主分类号: G06N3/0475 分类号: G06N3/0475;G06N3/048;G06N3/084;G06N3/094;G06V10/764;G06V10/82
代理公司: 广州市华学知识产权代理有限公司 44245 代理人: 林梅繁;裘晖
地址: 510006 广东省*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 深度 学习 hrrp 目标 对抗 样本 生成 方法
【权利要求书】:

1.一种基于深度学习的HRRP有目标对抗样本生成方法,其特征在于,包括以下步骤:

S1、利用数据集训练深度神经网络模型,获得深度神经网络模型模型的参数;

S2、选取一个样本作为原始样本并初始化算法参数,包括攻击的目标类别、缩放因子、最大迭代次数、置信度期望值和通用扰动功率;

S3、对选定的样本,计算目标类别的梯度方向,将梯度方向乘以缩放因子,获得扰动,将扰动添加到所选定的样本生成对抗样本;

S4、对步骤S3采用迭代方法,将所获得的扰动添加到原始样本中,不断更新对抗样本,利用更新后的对抗样本攻击深度神经网络模型;当深度神经网络模型将对抗样本识别成目标类别时,剔除掉该对抗样本中的原始样本数据,获得有目标细粒度对抗扰动;

S5、在步骤S4获得对抗样本的基础上继续迭代,直到深度神经网络模型对目标类别的置信度提高到期望值时,迭代结束,获得对抗样本;

S6、将步骤S5获得的对抗样本剔除掉原始样本数据,得到所选样本的有目标对抗扰动;

S7、将有目标对抗扰动的大小缩放到给定的扰动功率值,得到有目标通用扰动;

S8、将有目标通用扰动添加至任意样本中,生成对抗样本。

2.根据权利要求1所述的基于深度学习的HRRP有目标对抗样本生成方法,其特征在于,步骤S3采用FGSM算法生成扰动。

3.根据权利要求1所述的基于深度学习的HRRP有目标对抗样本生成方法,其特征在于,步骤S7生成的有目标通用扰动对整个数据集具有泛化能力。

4.根据权利要求1所述的基于深度学习的HRRP有目标对抗样本生成方法,其特征在于,步骤S3利用神经网络反向传播以及符号函数,计算样本在相应目标类别的交叉熵损失函数的梯度方向。

5.根据权利要求1所述的基于深度学习的HRRP有目标对抗样本生成方法,其特征在于,步骤S5中,深度神经网络模型对目标类别置信度的期望值exp为90%。

6.根据权利要求1所述的基于深度学习的HRRP有目标对抗样本生成方法,其特征在于,深度神经网络模型为MLP模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广州大学,未经广州大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010141577.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top