[发明专利]对抗样本生成方法、装置、存储介质及电子设备

权利要求书

1.一种对抗样本生成方法，其特征在于，所述方法包括：

获取待生成对抗样本的原始图像；

确定与所述原始图像尺寸相同的目标标准差图像，并根据所述目标标准差图像和预设模糊半径，确定所述原始图像中每个像素点对应的目标高斯模糊核，其中所述目标标准差图像中像素点的像素值表征的是用于确定所述原始图像中对应位置像素点的目标高斯模糊核的标准差；

针对所述原始图像中的每一像素点，根据所述目标高斯模糊核和所述像素点周围、位于所述预设模糊半径范围内的目标像素点，确定所述像素点对应的目标高斯模糊值，以得到所述原始图像对应的目标高斯模糊图像；

将所述目标高斯模糊图像作为所述原始图像对应的对抗样本；

所述确定与所述原始图像尺寸相同的目标标准差图像，包括：

获取初始标准差图像，所述初始标准差图像中每个像素点的像素值为相同的预设像素值；

根据所述初始标准差图像确定所述原始图像中每个像素点对应的初始高斯模糊核，并针对所述原始图像中每一像素点，根据所述像素点周围像素点的像素值和所述初始高斯模糊核，确定所述像素点对应的初始高斯模糊值，以得到所述原始图像对应的初始高斯模糊图像；

将所述初始高斯模糊图像输入图像处理模型中计算损失函数；

根据所述损失函数的计算结果更新所述初始标准差图像，以得到所述目标标准差图像。

2.根据权利要求1所述的方法，其特征在于，所述根据所述损失函数的计算结果更新所述初始标准差图像，以得到所述目标标准差图像，包括：

将所述损失函数的计算结果进行反向传播，并通过梯度上升的方式更新所述初始标准差图像，以得到所述目标标准差图像；或者

将所述损失函数的计算结果取负值后进行反向传播，并通过梯度下降的方式更新所述初始标准差图像，以得到所述目标标准差图像。

3.根据权利要求1或2所述的方法，其特征在于，所述根据所述目标标准差图像和预设模糊半径，确定所述原始图像中每个像素点对应的目标高斯模糊核，包括：

针对所述原始图像中的每一像素点，执行以下处理：

在所述目标标准差图像中确定所述像素点对应的标准差；

根据所述预设高斯半径建立矩阵，并根据所述矩阵中每一元素的位置坐标值和所述像素点对应的所述标准差，确定所述像素点对应的目标高斯模糊核，其中所述矩阵的行数和列数为所述预设高斯半径的数值，所述矩阵的中心点元素为坐标原点。

4.根据权利要求1或2所述的方法，其特征在于，所述针对所述原始图像中的每一像素点，根据所述目标高斯模糊核和所述像素点周围、位于所述预设高斯半径范围内的目标像素点，确定所述像素点对应的目标高斯模糊值，包括：

针对所述原始图像中的每一像素点，计算所述目标高斯模糊核与所述像素点周围、位于所述预设高斯半径范围内的目标像素点的像素值的内积，以得到所述像素点对应的目标高斯模糊值。

5.根据权利要求4所述的方法，其特征在于，所述目标高斯模糊核为包括多个高斯模糊核的矩阵，且所述矩阵的行数和列数为所述预设高斯半径的数值，所述计算所述目标高斯模糊核与所述像素点周围、位于所述预设高斯半径范围内的目标像素点的像素值的内积，包括：

将所述目标高斯模糊核对应的所述矩阵中的高斯模糊核与位于所述预设高斯半径范围内的目标像素点中对应位置的像素点的像素值相乘，以得到多个乘积结果，并将所述多个乘积结果求和。

6.根据权利要求1或2所述的方法，其特征在于，所述图像处理模型包括以下任一种图像处理模型：图像分类模型、深度伪造检测模型、人脸识别模型。