10.16798/j.issn.1003-0530.2021.07.005
基于稀疏差分协同进化的多源遥感场景分类攻击
随着深度学习技术的迅猛发展,各种相似的骨干网络被用于多源遥感分类任务中,取得了很高的识别正确率.然而,由于神经网络极易受到对抗样本的攻击,这给遥感任务带来了很高的安全隐患.以往的对抗攻击方法可有效攻击单波段遥感图像的分类器,但不同波段的攻击并不耦合,这导致现有方法在现实世界中难以用于多源分类器的攻击.针对多源遥感的特性,本文提出了一种新的基于稀疏差分协同进化的对抗攻击方法:投放一定数量包含稀疏多源噪声信息的种子,通过限定噪声点在多源遥感中具有相同位置,实现多源对抗攻击的耦合,按种子信息制作对抗样本,利用上一代的种子(父代)进行变异与交叉,产生新的种子(子代),同样制作对抗样本,综合比较多源对抗样本的攻击效果,保留效果更好的种子,重复此过程,最终可得到高度耦合且攻击效果最好的多源遥感对抗样本.实验证明了本文方法的可行性:在单点攻击下,61.38%的光学图像和38.93%的合成孔径图像被成功转化为对抗样本,光学和合成孔径分类器中都无法正确识别的区域从5.83%升至55.10%.
多源遥感;图像分类;对抗样本;协同进化
37
TP391.4(计算技术、计算机技术)
国家自然科学基金资助61971426
2021-08-26(万方平台首次上网日期,不代表论文的发表时间)
共7页
1164-1170