[发明专利]基于强化型通用补丁的对抗攻击方法、防御方法及装置

权利要求书

1.一种基于强化型通用补丁的对抗攻击方法，其特征在于，所述方法包括：

获取图像样本集，从所述图像样本集中随机选取第一图像样本作为第一待训练图像；

获取原始补丁图像，将所述原始补丁图像与所述第一待训练图像进行图像融合得到第一对抗样本图像；

将所述第一对抗样本图像输入至补丁生成模型，并基于梯度下降法更新补丁图像，以生成对抗补丁图像；

从所述图像样本集中随机选取第二图像样本作为第二待训练图像，将所述对抗补丁图像与所述第二待训练图像进行图像融合得到第二对抗样本图像，将所述第二对抗样本图像输入至集成网络模型，并基于梯度下降法更新对抗补丁图像，以生成强化型通用补丁图像。

2.根据权利要求1所述的基于强化型通用补丁的对抗攻击方法，其特征在于，所述方法还包括：

将所述对抗补丁图像与所述第一待训练图像进行图像融合得到第三对抗样本图像，基于所述第一待训练图像对应的原始标签以及所述第三对抗样本图像对所述补丁生成模型进行鲁棒性训练。

3.根据权利要求1所述的基于强化型通用补丁的对抗攻击方法，其特征在于，所述集成网络模型为多个卷积神经网络串联模型。

4.根据权利要求1所述的基于强化型通用补丁的对抗攻击方法，其特征在于，将所述原始补丁图像与所述第一待训练图像进行图像融合得到第一对抗样本图像，包括：

基于CAM算法获取所述第一待训练图像的焦点；

将所述原始补丁图像与所述第一待训练图像的远离所述焦点的区域进行融合。

5.一种基于强化型通用补丁的防御方法，其特征在于，所述方法包括：

获取待识别图像，将所述待识别图像输入至网络模型以生成所述待识别图像的热力图，并基于所述热力图确定所述待识别图像的关键区域；

对所述待识别图像进行多尺度高斯模糊处理，以得到多个第一低清图像；

计算不同尺度下的第一低清图像的差值，并基于不同尺度下的第一低清图像的差值获取所述待识别图像在不同尺度下的局部细节信息；

将各所述局部细节信息与所述待识别图像进行细节融合，得到增强图像；

获取所述增强图像的局部细节信息，并将获取到的所述增强图像的局部细节信息进行减弱处理，得到所述待识别图像对应的恢复图像。

6.根据权利要求5所述的基于强化型通用补丁的防御方法，其特征在于，所述网络模型为CAM可视化模型。

7.根据权利要求5所述的基于强化型通用补丁的防御方法，其特征在于，获取所述增强图像的局部细节信息，包括：

对所述增强图像进行多尺度高斯模糊处理，以得到多个第二低清图像；

计算不同尺度下的第二低清图像的差值，并基于不同尺度下的第二低清图像的差值获取所述增强图像在不同尺度下的局部细节信息。

8.根据权利要求7所述的基于强化型通用补丁的防御方法，其特征在于，所述恢复图像的计算公式为：

其中，I_out为恢复图像，I_en为增强图像，m_ij为融合比例系数，G_de为选取的不同高斯核下的高斯模糊集合。

9.一种基于强化型通用补丁的对抗攻击及防御系统，该系统包括处理器和存储器，其特征在于，所述存储器中存储有计算机指令，所述处理器用于执行所述存储器中存储的计算机指令，当所述计算机指令被处理器执行时该系统实现如权利要求1至8中任意一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至8中任意一项所述方法的步骤。