[发明专利]一种图像对抗样本生成方法

权利要求书

1.一种图像对抗样本生成方法，其特征在于包括：

a.根据所需图像对抗样本的要求，构建双生成器(样本生成器G1，扰动生成器G2)的生成对抗网络，具体地：

a1.输入所需对抗样本的原始类别、攻击类别和扰动系数；

a2.判断样本生成器G1是否已被训练，具体地，样本生成器G1由卷积神经网络构建，作用是生成符合原始类别的图像样本；

a3.若样本生成器G1没被训练，则使用目标模型数据集数据训练样本生成器G1，其输入为高维噪音和原始类别符号，输出为符合原始类别的图像数据，模型训练完毕后将模型保存，同时生成符合原始类别的图像数据，具体地，样本生成器G1的输入为高维噪音，输出为符合原始类别的图像数据，模型训练完毕后将模型保存，同时生成符合原始类别的图像数据；

a4.若样本生成器G1已被训练，则生成符合原始类别的图像数据；

a5.将步骤a3/a4生成的图像数据作为输入，训练扰动生成器G2使其生成与输入图像数据和攻击类别对应的扰动，具体地，扰动生成器G2所生成的扰动其范围在(-扰动系数,+扰动系数)之间；

b.根据所需图像对抗样本的需求，输入相应参数得到对抗样本，具体地：

b1.输入所需对抗样本的原始类别、攻击类别和要生成的样本数量；

b2.调用样本生成器G1生成输入样本数量个数的符合原始类别的图像样本，具体地，图像样本由高维随机噪声经过反卷积操作生成；

b3.调用攻击类别所对应的扰动生成器G2生成图像样本所对应的扰动；

b4.将图像样本和所对应的扰动相加并进行规格化，得到所需对抗样本。