[发明专利]基于对抗攻击的图像压缩算法鲁棒性的提升方法

权利要求书

1.基于对抗攻击的图像压缩算法鲁棒性的提升方法，其特征在于，包括如下步骤：

S1，获取待测试的神经网络图像压缩算法模型和参数；

S2，针对任意输入图片，将初始扰动添加到输入图片中，获得重建图片；

S3，以最大化输出损失或者以最小化输出重建图片与目标图片的差距为目标，迭代优化扰动，生成对抗样本；

S4，将上述对抗样本集成到步骤S1的神经网络图像压缩算法模型的训练之中，直至模型对扰动充分鲁棒。

2.根据权利要求1所述的基于对抗攻击的图像压缩算法鲁棒性提升方法，其特征在于，所述步骤S1中，获取包括编码器和解码器在内的整个网络模型和参数以进行对抗攻击。

3.根据权利要求1所述的基于对抗攻击的图像压缩算法鲁棒性提升方法，其特征在于，所述步骤S2中，初始扰动的形式为随机噪声、无噪声或其他噪声。

4.根据权利要求1所述的基于对抗攻击的图像压缩算法鲁棒性提升方法，其特征在于，所述步骤S3中，设定加入扰动的阈值，若扰动小于阈值，则增大扰动使输出损失最大化或使重建图片与目标图片差距最小化；若扰动大于阈值，则降低扰动的幅度。

5.根据权利要求1所述的基于深度神经网络的视频压缩方法，其特征在于，所述步骤S4中，对抗样本在训练过程中被实时生成，用于提升模型的鲁棒性。