基于对抗训练和图像去噪的对抗样本防御算法

摘要：

为提高对抗训练后目标检测模型对未知攻击的鲁棒性,优化目标检测模型的防御能力,在对抗训练的基础上,提出基于对抗训练和非局部均值去噪的对抗样本防御算法.在训练模型时,会对正常样本和对抗样本进行扰动去噪,提高模型对去噪样本特征的学习效果.在面对未知来源的样本时,会对样本进行去噪,再进入模型进行目标检测.实验结果表明,在DIOR数据集上,对于实验中的所有攻击算法(FGSM、I-FGSM、MI-FGSM、PGD),该方法的防御成功率优于现有算法.

关键词：目标检测、对抗样本、对抗防御、对抗训练、鲁棒性

所属期刊栏目：43

分类号：TP391;TP18(计算技术、计算机技术)

资助基金：国家自然科学基金;国防十三五预研基金项目

在线出版日期：2022-12-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：3093-3100