本發(fā)明涉及一種圖像類對抗樣本的差異性檢測方法,屬于人工智能安全領(lǐng)域。本發(fā)明內(nèi)容包括:搭建不同訓(xùn)練周期下的高精度殘差網(wǎng)絡(luò)模型ResNet?50作為對抗樣本攻擊以及差異性檢測系統(tǒng)模型;使用多種類對抗攻擊方法分別攻擊ResNet?50模型生成對抗樣本組作為輸入樣本數(shù)據(jù);構(gòu)建對抗樣本差異性檢測系統(tǒng),將上述生成的各組對抗樣本進行檢測,本發(fā)明的檢測系統(tǒng)設(shè)計包含置信度、感知度及抗干擾度三個子檢測系統(tǒng),其中共七項檢測方法用來檢測各組對抗樣本間存在的差異化特性。相較于傳統(tǒng)的對抗樣本檢測方法,本發(fā)明將多類攻擊樣本間檢測全面化、具體化,提升對抗樣本檢測的多樣性。
聲明:
“一種圖像類對抗樣本的差異性檢測方法” 該技術(shù)專利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學(xué)習(xí)研究,如用于商業(yè)用途,請聯(lián)系該技術(shù)所有人。
我是此專利(論文)的發(fā)明人(作者)