[发明专利]一种结合低频信息和特征的目标检测对抗攻方法和装置

权利要求书

1.结合图像低频信息和关键特征的目标检测对抗攻击方法，其特征在于该方法包括以下步骤：

步骤一、对干净图片x通过基于梯度的方法生成初始阶段的对抗样本x_adv；

步骤二、将干净图片x和对抗样本x_adv分别通过二维离散傅里叶正变换提取低频信息并转化成空间域图像，再经过二维离散傅里叶逆变换得到原图分离的低频图像x^low、对抗样本分离的低频图像

步骤三、将x^low、输入到待攻击的目标检测模型f中分别计算干净图像和当前对抗样本x_adv的对抗损失L_adv(x,x_adv)以及干净图像对应低频信息和当前对抗样本对应低频信息之间的对抗损失

步骤四、将步骤三得到的两种对抗损失相加作为综合损失函数，并通过MI-FGSM方法来执行梯度下降，得到相应的对抗样本x′_adv；

步骤五、对干净图片x通过基于梯度的类激活映射方法提取图像的特征区域并生成注意力权重矩阵Mask，然后将注意力权重矩阵Mask与步骤四得到的对抗样本进行点乘，以此来优化生成的扰动，得到新的对抗样本

步骤六、将步骤五得到的对抗样本作为步骤二中对抗样本，重复迭代执行步骤二至步骤五，迭代停止的条件为迭代次数达到阈值T或者为生成的对抗样本和原始样本之间的无穷范数距离大于设定的阈值ε,迭代停止后输出最终的对抗样本。

2.根据权利要求1所述的结合图像低频信息和关键特征的目标检测对抗攻击方法，其特征在于：步骤二所述的二维离散傅里叶变换提取低频信息并转化成空间域图像操作过程如下：

对输入图像x进行二维傅里叶变换的操作记为F(x)，得到相应的频谱图z；在频谱图z中，中间的点是低频，远离图像中心的点则是高频；设置如公式(2)的阈值函数，以r为超参数半径画圆，圆内的点划分为低频分量z_low，圆外的点划分为高频分量z_high；

式中，d(·)为距离函数，o(i_o,j_o)表示坐标为i_o,j_o的圆心，z(i,j)表示坐标为i,j的分量；

将上述对频谱图z以半径r分离高低频的操作简化为Q(z；r)；对低频信息z_low进行傅里叶逆变换F^-1(z_low)得到对应的空间域图像，便于后面参与神经网络的前向传播。

3.根据权利要求1所述的结合图像低频信息和关键特征的目标检测对抗攻击方法，其特征在于：步骤三对抗损失L_adv(x,x_adv)、分别采用待攻击的目标检测模型输入为x,x_adv或x^low,下得到的总损失L_adv；

所述总损失L_adv包括置信度损失和特征损失；

所述置信度损失用来误导网络将图像的前景分为背景；置信度损失函数如式(3)：

式(3)中，M表示区域提议网络RPN得到符合条件的建议框数量；l_BCE是二元交叉熵损失；C_i代表第i个建议框的置信度得分；

所述特征损失通过对待攻击的目标检测模型的特征提取网络G提取的若干中间特征层进行攻击，操作如式(4)：

式中，N表示选取的中间特征层的数量，f_i表示以干净图像为输入，G输出的第i个特征层，f_i′表示以对抗样本为输入，G输出的第i个特征层；

故所述的总损失函数如式(5)所示：

L_adv＝L_confidence+β·L_feature (5)

式中，β为权重系数。