[发明专利]一种自适应微调的元攻击方法和装置

权利要求书

1.一种自适应微调的元攻击方法，其特征在于，包括：

S1训练多个分类器，并计算所述分类器在CW攻击下的CW梯度；

S2根据多个分类器的CW梯度对元攻击者进行预训练；

S3在元攻击对抗样本优化迭代的过程中，获取元攻击者生成的元梯度；根据所述ZOO梯度和元梯度的均方误差作为依据控制并完成元攻击者的微调；其中ZOO梯度为采用零阶优化方法查询目标模型所得的梯度。

2.根据权利要求1所述的一种自适应微调的元攻击方法，其特征在于，步骤S1中，计算分类器在CW攻击下的CW梯度，具体包括：

完成对多个分类器的训练后，采用每个分类器对同一数据集的每个样本进行分类，并计算CW Loss，其中CW Loss为抗攻击的经典损失函数如下：

式中，L表示损失函数，c表示损失权重，κ表示阈值，x_adv表示期望的对抗样本，y表示x_adv的标签，x₀表示输入至分类器的样本，y₀表示x₀的标签；F(x_adv)表示将样本x_adv输入至分类器F得到的输出；

根据得到的CW Loss直接获得分类器的CW梯度，保存该CW梯度用于训练元攻击者。

3.根据权利要求2所述的一种自适应微调的元攻击方法，其特征在于，步骤S2包括：元攻击者利用MAML方法学习多个分类器的CW梯度，完成元攻击者的预训练。

4.根据权利要求3所述的一种自适应微调的元攻击方法，其特征在于，步骤S3包括：

查询目标模型生成ZOO梯度；

计算ZOO梯度和元攻击者生成的元梯度的均方误差MSE；如果MSE超过预先设定的阈值α，在后续的L次对抗样本的优化迭代中，元攻击者先在前m次优化迭代中进行微调，其中mL，剩余L-m次优化迭代中直接生成元梯度；

如果MSE小于阈值α，则不进行微调，在接下来n次对抗样本的优化迭代中，元攻击者直接输出元梯度。

5.一种自适应微调的元攻击装置，其特征在于，包括：梯度生成模块，用于训练多个分类器，并计算所述分类器在CW攻击下的CW梯度；

元攻击者训练模块，用于根据多个分类器的CW梯度对元攻击者进行预训练；

微调设置模块，在元攻击对抗样本优化迭代的过程中，获取元攻击者生成的元梯度；根据所述ZOO梯度和元梯度的均方误差作为依据控制并完成元攻击者的微调；其中ZOO梯度为采用零阶优化方法查询目标模型所得的梯度。