[发明专利]一种基于训练集数据的对抗攻击方法

权利要求书

1.一种基于训练集数据的对抗攻击方法，其特征在于，该方法包括以下步骤：

步骤1，使用VOC大规模图像分类数据集构成的图像集合Img训练检测模型：

其中，x_i表示一张图像，N_d表示图像集合Img中的图像总数；

构建图像集合的集合IMG，其中每个图像x_k对应的检测框T_k：

其中，(q₁₁,p₁₁,q₂₁,p₂₁)表示每一个图像检测框所对应的左上角坐标和右下角坐标，R_n表示该图像中检测框的数量，l_i表示第i个检测框内图像的类别；

由图像集合Img以及每个图像对应的图像描述集合Result组成最终的数据集并训练检测模型：

步骤2，对训练集中图像进行筛选寻找单类别的训练集图像Y：

步骤3，使用训练集图像Y构建k-d树，并利用k-d树进行训练集的存储：

步骤4，对要攻击的图片x_i，通过k-d树查询在训练集图像Y中和距离最近的非同类别训练图像

步骤5，根据构造初始径向噪声z^*：

构造噪声z_i^*：

因此，初始径向噪声为

步骤6，构造扰动空间，并通过对扰动空间随机取样得到η：

其中η为对抗样本生成过程中的切向扰动量；

步骤7，调整图像检测框内的扰动量，并根据η生成新的对抗样本x′：

其中，δ为切向步长，ε为径向步长；

步骤8，对新的对抗样本x′进行查询；

步骤9、判断是否攻击成功？

对x′进行查询得到返回结果T_x，如果T_x中的检测框与原图T_i中的检测框类别不一致，则攻击成功，执行步骤10；

否则，攻击不成功，返回步骤5，重复执行步骤5、步骤6、步骤7、步骤8，直到攻击成功；

步骤10、得到最终对抗样本x′，并将对抗样本输入到目标模型中进行分类，得出分类结果F(x′)。