10.16208/j.issn1000-7024.2022.11.014
基于对抗训练和图像去噪的对抗样本防御算法
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.
目标检测、对抗样本、对抗防御、对抗训练、鲁棒性
43
TP391;TP18(计算技术、计算机技术)
国家自然科学基金;国防十三五预研基金项目
2022-12-01(万方平台首次上网日期,不代表论文的发表时间)
共8页
3093-3100