10.3969/j.issn.1006-2475.2021.07.012
基于条件对抗生成网络的对抗样本防御方法
人工智能目前在诸多领域均得到较好应用,然而通过对抗样本会使神经网络模型输出错误的分类.研究提升神经网络模型鲁棒性的同时如何兼顾算法运行效率,对于深度学习在现实中的落地使用意义重大.针对上述问题,本文提出一种基于条件对抗生成网络的对抗样本防御方法Defense-CGAN.首先使用对抗生成网络生成器根据输入噪声与标签信息生成重构图像,然后计算重构前后图像均方误差,对比选取重构图像馈送到分类器进行分类从而去除对抗性扰动,实现对抗样本防御,最后,在MNIST数据集上进行大量实验.实验结果表明本文提出的防御方法更加具备通用性,能够防御多种对抗攻击,且时间消耗低,可应用于对时间要求极其苛刻的实际场景中.
对抗样本;神经网络;对抗样本防御;条件对抗生成网络;深度学习
TP181(自动化基础理论)
国家自然科学基金资助项目;中央高校基本科研业务费专项资金资助项目;山东省研究生导师指导能力提升项目
2021-08-06(万方平台首次上网日期,不代表论文的发表时间)
共6页
65-70