[发明专利]一种防御对抗攻击的图像分类方法、业务决策方法及装置

权利要求书

1.一种防御对抗攻击的图像分类方法，包括：

获取待分类的目标图像信息；

将所述目标图像信息输入至图像复原模型，得到所述目标图像信息对应的原始图像信息，其中，所述图像复原模型的训练数据集包括以对抗攻击样本图像信息为输入、所述抗攻击样本图像信息对应的原始图像信息为输出的训练数据；

基于所述目标图像信息对应的原始图像信息进行分类运算，得到所述目标图像信息的分类结果。

2.根据权利要求1所述的方法，

所述图像复原模型的训练数据集还包括以非对抗攻击样本图像信息为输入、所述非对抗攻击样本图像信息为输出的训练数据。

3.根据权利要求1所述的方法，

将所述目标图像信息输入至图像复原模型，得到所述目标图像信息对应的原始图像信息，包括：

对所述目标图像信息按照至少两种预处理方式进行预处理，得到所述至少两种预处理方式各自对应的目标图像信息；

将所述至少两种预处理方式各自对应的目标图像信息输入至所述图像复原模型，得到所述至少两种预处理方式各自对应所述目标图像信息的原始图像信息；

基于所述目标图像信息对应的原始图像信息进行分类运算，得到所述目标图像信息的分类结果，包括：

基于所述至少两种预处理方式各自对应所述目标图像信息的原始图像信息进行分类运算，得到所述至少两种预处理方式各自对应所述目标图像信息的初始分类结果；

基于所述至少两种预处理方式各自对应所述目标图像信息的初始分类结果，确定所述目标图像信息最终的分类结果。

4.根据权利要求3所述的方法，

所述目标图像信息为所述目标图像自身，所述至少两种预处理方式包括：图像压缩、图像均值滤波、图像中值滤波以及图像高斯滤波中的至少一者。

5.根据权利要求1-4中任一项所述的方法，

所述分类运算用于人脸识别，所述目标图像信息和所述对抗攻击样本图像信息均为人脸图像。

6.根据权利要求1-5中任一项所述的方法，

所述图像复原模型包括：分割网络模型、大生成式对抗网络模型、变分自编码器-生成对抗网络模型中的至少一者。

7.一种基于图像分类的业务决策方法，包括：

获取请求业务决策所输入的目标图像信息；

将所述目标图像信息输入至图像复原模型，得到所述目标图像信息对应的原始图像信息，其中，所述图像复原模型的训练数据集包括以对抗攻击样本图像信息为输入、所述抗攻击样本图像信息对应的原始图像信息为输出的训练数据；

基于所述目标图像信息对应的原始图像信息进行分类运算，得到所述目标图像信息的分类结果；

基于目标图像信息的分类结果，执行所述业务决策，得到对应的业务决策结果，其中，所述目标图像信息的分类结果作为所述业务决策的决策变量。

8.一种防御对抗攻击的图像分类装置，包括：

获取模块，获取待分类的目标图像信息；

复原模块，将所述目标图像信息输入至图像复原模型，得到所述目标图像信息对应的原始图像信息，其中，所述图像复原模型的训练数据集包括以对抗攻击样本图像信息为输入、所述抗攻击样本图像信息对应的原始图像信息为输出的训练数据；

分类模块，基于所述目标图像信息对应的原始图像信息进行分类运算，得到所述目标图像信息的分类结果。

9.一种电子设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行：

获取待分类的目标图像信息；

将所述目标图像信息输入至图像复原模型，得到所述目标图像信息对应的原始图像信息，其中，所述图像复原模型的训练数据集包括以对抗攻击样本图像信息为输入、所述抗攻击样本图像信息对应的原始图像信息为输出的训练数据；

基于所述目标图像信息对应的原始图像信息进行分类运算，得到所述目标图像信息的分类结果。