[发明专利]一种基于图像预处理与对抗训练结合的防御对抗样本的方法

权利要求书

1.一种基于图像预处理与对抗训练结合的防御对抗样本的方法，其特征在于，所述方法包括以下步骤：

1)将原始图像和对抗样本分割为n×n像素的小块，进行DCT变换，并设计量化表，所述对抗样本是由原始图像和对抗性噪声线性叠加而成；

2)将量化表按比例缩放得到实现不同压缩比所需要的量化表，对原始图像应用不同压缩比进行压缩得到不同的数据集，再添加噪声作为训练对抗样本，原始图像和训练对抗样本构成训练数据集，送入深度神经网络进行训练得到不同的分类器；

3)将待分类图像以不同压缩比进行压缩得到不同的图像，并送入对应压缩比数据集训练得到的分类器，由多个分类器投票得到最终结果。

2.根据权利要求1所述的基于图像预处理与对抗训练结合的防御对抗样本的方法，其特征在于，所述步骤1)中量化表的设计方法如下：对原始图像和对抗样本经过DCT变换后得到的DCT频率系数进行方差分析，将所有频率系数分为偏向原有特征的OF、偏向对抗特征的AF两组，对于OF设计主要用于保存特征的第一量化步长，对于AF组设计主要用于去掉对抗特征的第二量化步长，所述第一量化步长小于第二量化步长。

3.根据权利要求2所述的基于图像预处理与对抗训练结合的防御对抗样本的方法，其特征在于，所述方差分析包括：以表示原始图像的第i行第j列的DCT系数的方差，表示对抗样本的DCT系数的方差，表示对抗性噪声的DCT系数方差，则用表示对抗样本中该频率的DCT系数中对抗噪声的所占的比重，r越大表示该频率系数携带的对抗特征越多，将r小于指定阈值所对应的DCT系数作为OF，剩余的作为AF。

4.根据权利要求1所述的基于图像预处理与对抗训练结合的防御对抗样本的方法，其特征在于，所述步骤2)中在训练时使用如下损失函数：

J’(θ,x,y)＝ξ·J(θ,x,y)+(1-ξ)·J(θ,x_q,y)

其中θ表示分类器权重参数，x表示原始图像，y表示图像分类标签，ξ表示学习率，x_q表示原始图像x经压缩比q压缩后并加上噪声ρ得到的图像。

5.根据权利要求4所述的基于图像预处理与对抗训练结合的防御对抗样本的方法，其特征在于，所述噪声ρ满足均值μ＝0，方差σ＝0.001的高斯分布。