[发明专利]基于深度网络的目标追踪攻击与防御方法

权利要求书

1.一种基于深度网络的目标追踪攻击方法，其特征在于，包括：

S1，获取被攻击目标跟踪器的网络结构及网络参数θ，同时，输入待攻击的目标跟踪视频序列，所述视频序列包括多个视频帧I₁，I₂…I_n；

S2，根据S1中获取的目标跟踪器及当前攻击的视频帧I_i，确定待检测的正负样本及伪正负样本；其中，将正负样本进行对调，生成标记相反的伪正样本P^*_hi及伪负样本P^*_lo；

S3，根据S2中得到的正负样本及伪正负样本，分别计算样本及伪样本的对抗攻击损失函数，并根据对应的损失函数，计算损失函数对视频帧I_i的梯度值作为扰动反传至视频帧I_i；

S4，重复执行S3，进行多次帧内迭代，将每次迭代的图像梯度值多次累积叠加，得到最终的对抗样本；

S5，将S4中得到的对抗样本与对应的视频帧进行差值计算，得到的结果即为该视频帧的扰动；

S6,结合视频序列的时序特性，将当前视频帧的扰动作为下一视频帧的初始扰动，重复S2-S5的过程，依次得到完整的对抗攻击视频序列。

2.根据权利要求1所述的基于深度网络的目标追踪攻击方法，其特征在于，所述S2，包括：

S21，将当前攻击的视频帧I_i输入至被攻击目标跟踪器，根据被攻击目标跟踪器网络结构提取出m个待检测的候选框P；

S22，计算每一个候选框P与上一视频帧I_n-1追踪结果G_n-1的重叠率

S23，根据重叠率IoU和设定的最高阈值th_hi及最低阈值th_lo，确定待检测的正负样本：当IoUth_hi时，为正样本P_hi，当IoUth_lo时，为负样本P_lo，将正负样本进行对调，生成标记相反的伪正样本P^*_hi及伪负样本P^*_lo。

3.根据权利要求2所述的基于深度网络的目标追踪攻击方法，其特征在于，所述S23中，设定的最高阈值th_hi和最低阈值th_lo与被攻击网络训练时的对应参数保持一致。