资料下载
×
GAN图像对抗样本生成方法研究综述
消耗积分:0 |
格式:rar |
大小:2.80 MB |
2021-04-28
分享资料个
为了提高生成对抗网络模型对抗样本的多样性和攻击成功率，提出了一种GAN图像对抗样本生成方法。首先，利用原始样本集整体训练一个深度卷积对抗生成网络G1，模拟原始样本集分布;其次，在黑盒攻击场景下，利用模型蒸馏方法对目标模型进行黑盒复制，获取目标模型的本地复制;然后以G1的输出作为输入以蒸馏模型作为目标模型，训练生成对抗网络G2，在有目标攻击情况下还需输入目标类别，G2用以生成输入数据针对目标类别的扰动;最后将样本与扰动相加并以像素灰度值区间进行规范化，得到对抗样本。实验结果表明，在相同输入条件下该方法产生图像对抗样本平均SSIM指标、M指标和 Cosin相似度分别降低50.7%10.96%和28.7%，平均均方误差值（MSE）和图像指纹的海明距离分别提升7.6%和1974.80，同时 MNIST数据集和 CIFAR10数据集下模型平均攻击成功率在95%以上。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
