[发明专利]面向车牌识别系统黑盒物理攻击模型的防御方法及装置

摘要

本发明公开了一种面车牌识别系统黑盒物理攻击的防御方法及装置。该方法利用基于扰动进化的方式，将多个初始随机扰动优化成不引人注目的特定扰动，并且利用数字图像处理的方法模拟现实场景下的不同环境变化，将对抗样本在不同环境下的攻击效果也作为优化目标，实现了物理场景下对车牌识别模型强健的黑盒攻击，然后将攻击得到的大量对抗样本与干净数据集按一定比例混合，作为对抗训练的训练数据集，对模型进行再训练，提高了模型对对抗样本检测的准确率，从而提高了模型对于对抗攻击的鲁棒性。

主权项

1.一种面向车牌识别系统黑盒物理攻击模型的防御方法，包括以下步骤：(1)获得车牌图片，并利用基于深度学习的车牌识别模型对该车牌图片进行识别，筛选获得能被正确识别的车牌图片，组成干净车牌数据集；(2)针对干净车牌数据集中的干净车牌图片，在干净车牌图片中添加噪声扰动形成初始对抗样本，并统计噪声扰动的像素点个数，将该像素点个数作为目标函数F1；(3)针对初始对抗样本，采用数字图像处理方法对初始对抗样本进行环境模拟变化，获得不同环境下的模拟对抗样本，将初始对抗样本和对应的模拟对抗样本输入至图像分类器中，获得初始对抗样本和模拟对抗样本的分类置信度，根据该分类置信度构建目标函数F2；(4)采用带精英策略的非支配排序的遗传算法NSGA‑II优化目标函数F1和F2，得到最佳对抗扰动，将该最佳对抗扰动添加到干净车牌图片上，获得最佳对抗样本；(5)利用干净车牌图片和最佳对抗样本对步骤(1)中的车牌识别模型中的分类器进行优化，获得能够防御对抗攻击的车牌识别模型；(6)利用能够防御对抗攻击的车牌识别模型对车牌图片进行识别，能够防对御车牌图片的对抗攻击。