[发明专利]一种针对无人机目标检测系统的物理对抗攻击方法

权利要求书

1.一种针对无人机目标检测系统的物理对抗攻击方法，其特征在于，使用无人机航拍车辆的高清图片集作为训练数据集，目标检测算法采用YOLOv5网络，包括以下步骤：

S1.采用预训练的生成对抗网络生成固定尺寸的对抗补丁；

S2.对训练数据集中的训练样本进行预处理；

S3.将Batch个预处理后的训练样本输入到Yolov5目标检测器中，得到训练样本所对应的标签文件，标签文件中包括该训练样本中所有车辆的位置信息和类别标注信息；

S4.将对抗补丁、训练样本及其所对应的标签文件一同输入到补丁转换模块，得到对抗样本P-Images；

S5.将对抗样本P-Images输入到Yolov5目标检测器中，采用总体损失函数L_all计算总体损失；

S6.结合步骤S5计算的总体损失设计目标优化函数，并采用Adam优化器更新对抗补丁；

S7.重复步骤S3-S6，直到迭代次数达到预先设定值或总体损失函数收敛；

S8.将训练好的对抗补丁打印出来，设置于车辆的车顶上，进行物理上的对抗攻击。

2.根据权利要求1所述的一种针对无人机目标检测系统的物理对抗攻击方法，其特征在于，步骤S1中使用的生成对抗网络是在ImageNet上预训练的StyleGAN2网络，输出的对抗补丁的大小为300×300。

3.根据权利要求1所述的一种针对无人机目标检测系统的物理对抗攻击方法，其特征在于，补丁转换模块用于对对抗补丁进行物理增强，具体操作过程包括：

S41.对对抗补丁进行第一次处理，第一处理包括缩放、旋转、加噪、加明亮度、变化对比度；

S42.根据训练样本所对应的标签文件生成MASK矩阵，MASK矩阵决定添加对抗补丁的形状和位置；

S43.通过MASK矩阵将第一次处理后的对抗样本添加到训练样本得到训练补丁样本；

S44.对训练补丁样本进行第二次处理得到对抗样本，第二次处理包括添加运动模糊、添加ISO设备噪音、添加光学畸变、添加天气变化。

4.根据权利要求3所述的一种针对无人机目标检测系统的物理对抗攻击方法，其特征在于，在步骤S43中采用自适应补丁放置函数，所述自适应补丁放置函数自适应的将对抗补丁限制在标签框Ground Truth范围以内，其表示为：

S_pnew＝ε_h×S_pori

其中，S_pnew为缩放后的补丁大小，ε_h表示拍摄高度为h时候的缩放因子，S_pori为对抗补丁的原始大小。

5.根据权利要求1所述的一种针对无人机目标检测系统的物理对抗攻击方法，其特征在于，步骤S5中采用的总体损失函数L_all包括平均预测框置信度、对抗补丁的非打印损失以及对抗补丁的总变异损失，总体损失函数L_all的计算公式为：

L_all＝αL_conf+βL_nps+γL_tv

其中，α表示平均预测框置信度权重系数，β表示非打印损失权重系数，γ表示总变异损失权重系数，L_conf表示平均预测框置信度，L_nps表示对抗补丁的非打印损失，L_tv表示对抗补丁的总变异损失。

6.根据权利要求5所述的一种针对无人机目标检测系统的物理对抗攻击方法，其特征在于，平均预测框置信度是指计算一幅图像中所有预测框置信度的平均值，其计算公式为：

其中，N表示图像的预测框数目，confidence_i表示第i个预测框的置信度。