[发明专利]基于最优特征归因选择的SAR图像对抗样本检测系统与方法

说明书

本发明公开了一种基于多目标最优特征归因选择的合成孔径雷达图像对抗样本检测系统与方法。从SAR系统监控数据库中采集历史SAR图像，经过数据规范化与归一化后作为输入数据集，将基于滑动扫描的特征分析过程产生的子样本数量和逻辑回归模型的受试者工作特征曲线下面积作为优化目标，设计基于多目标优化方法的特征扫描块参数优化平台，获得最优的特征归因扫描块和最优回归模型。使用该最优回归模型对SAR系统实时数据库中的实时SAR图像数据进行对抗样本在线检测。本发明技术能根据不同的场景自动获得最佳的特征分析粒度，高效实现了SAR图像识别领域中的多种对抗样本检测，并提升了SAR图像对抗检测的计算效率和AUC性能指标。

技术领域

本发明涉及合成孔径雷达图像识别安全领域的对抗样本检测技术，特别涉及一种基于多目标最优特征归因选择的对抗样本检测系统与方法。

背景技术

合成孔径雷达(Synthetic Aperture Radar,SAR)作为一种主动式遥感系统，能够不受云雾、光照等天气因素的影响，在任何时间下获取目标区域的高分辨率图像。相比传统的光学、红外等易受天候影响的被动式传感器，SAR为目标检测任务提供了有效的解决方案，从而被广泛应用于山川监控，海事管理等领域中。近年来深度学习技术的发展进一步提高了SAR识别系统的精度，促进了SAR系统的部署推广，但同时也让SAR系统面临了深度学习安全性问题的威胁。在许多安全性问题中，引发模型错误分类的对抗样本攻击严重影响了SAR识别模型的鲁棒性，降低了SAR识别模型的识别效果。在一些重要的任务场景如军事监控中，一次错误的识别就足以造成难以接受的后果。这使得现代SAR系统需要针对潜在的对抗样本攻击进行相应防御设计。

对抗样本检测技术是一种不影响识别模型结构和模型参数的对抗样本防御方法。面对与正常图像在视觉上没有差异的对抗样本图像，对抗样本检测技术能够发现正常样本和对抗样本的差异，并提前发出预警。因为其不会影响模型精度的特点，对抗样本检测技术很适合应用在要求模型效果稳定的SAR识别体系中。但是，SAR图像的特性导致了SAR对抗样本检测任务实现变得异常困难，比如SAR图像中遍布了难以剔除的散斑噪声，这些噪声和对抗样本的噪声在图像中相互混合，误导模型做出错误的分类结果。现有的基于核密度估计、贝叶斯估计以及内在维度的传统对抗样本检测方法难以获得在模型内部中有效区分对抗样本的特征。另外，SAR图像比传统图像具有更高的分辨率，这使得模型内部的中间特征变得极为庞大，现有应用于传统图像领域的基于模型中间特征的分析方法难以处理这些数量庞大的特征。此外，不同应用场景中的目标具有不同的潜在特征，已有的分析方法难以根据任务目标进行自动化调整。因此，一种能够根据场景进行自动调节、能够处理高分辨率SAR图像并且能够有效区分对抗样本特征的检测技术亟需研发。

发明内容

本发明的目的在于针对现有技术的不足，提供一种基于多目标最优特征归因选择的SAR图像对抗样本检测系统与方法。

本发明的目的是通过以下技术方案来实现的：一种基于多目标最优特征归因选择的SAR图像对抗样本检测系统包括SAR图像对抗样本检测数据预处理模块、SAR图像对抗样本检测离线最优特征归因选择训练模块和SAR图像对抗样本检测在线检测模块；

所述SAR图像对抗样本检测数据预处理模块从目标SAR系统实时数据库中采集监控过程中的实时图像数据，经图像数据规范化与图像数据归一化处理后获得在线检测数据集，将该在线检测数据集传输到SAR图像对抗样本检测在线检测模块；所述SAR图像对抗样本检测数据预处理模块从目标SAR系统历史数据库中采集历史图像数据，经图像数据规范化与图像数据归一化处理后获得标准历史图像数据，生成标准历史图像数据对应的对抗样本图像数据，将标准历史图像数据与对抗样本图像数据合并后获得离线训练数据集，将该离线训练数据集传输到SAR图像对抗样本检测离线最优特征归因选择训练模块；