[发明专利]一种对抗攻击样本扰动的去除方法

摘要

本发明针对深度学习模型防御对抗攻击的问题，公开了一种对抗攻击样本扰动的去除方法，通过建立L1,2混合范数稀疏编码模型，将含有对抗扰动信息的图像块分解到近邻样本构成的稀疏字典上，获得稀疏编码系数，再通过字典和稀疏系数的合成运算重构扰动去除的干净图像块。具体包括稀疏编码字典构造、图像块的稀疏编码、图像块的扰动去除等三个主要步骤。本发明能有效移除对抗攻击样本中的扰动而最大限度的保留原始图像特征，同时，本发明方法不依赖具体的深度学习模型，具有普适性强、运算快的优点。

主权项

1.一种对抗攻击样本扰动的去除方法，其特征在于，包括以下步骤：步骤1：对给定的观测图像块的邻域像素进行取样，构造由邻域样本组成的稀疏编码字典；步骤2：针对稀疏编码字典，将图像块按L_1,2混合范数稀疏编码模型投影到稀疏编码字典空间，求取最优稀疏编码系数；步骤3：利用步骤2中得到的最优稀疏编码系数，重构原始图像块，获得扰动去除后的干净图像块；步骤4：重复步骤1、2、3，直到所有图像块处理完毕。