基于动量的映射式梯度下降算法

摘要：

近年来,深度学习已被广泛应用于计算机视觉问题中,并取得了卓越的成功.但研究人员发现神经网络容易受到添加微弱扰动的原始样本的干扰,导致模型给出一个错误的输出,这类输入样本称为"对抗样本".目前已有一系列生成对抗样本的算法被提出.针对已有的对抗样本生成算法——映射式梯度下降算法(Projected Gradient Descent),提出了结合动量并采用新的损失函数的改进方法MPGDCW算法,以确保更新方向的稳定且避免不良局部最大值的出现,同时避免交叉熵损失函数可能出现的梯度消失情况.通过与包含3种架构4个鲁棒模型的实验,证实了所提MPGDCW算法具有更优的攻击效果和更强的攻击迁移性.

关键词：深度学习、卷积神经网络、图像对抗样本、对抗攻击

所属期刊栏目：49

分类号：TP391.41;TP18(计算技术、计算机技术)

资助基金：国家自然科学基金61976142

在线出版日期：2022-06-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：178-183