[发明专利]深度神经网络攻击方法、装置、介质和计算设备在审
| 申请号： | 201910329772.2 | 申请日： | 2019-04-23 |
| 公开（公告）号： | CN110084002A | 公开（公告）日： | 2019-08-02 |
| 发明（设计）人： | 朱军;董胤蓬;苏航 | 申请（专利权）人： | 清华大学 |
| 主分类号： | G06F21/10 | 分类号： | G06F21/10;G06N3/04;G06N3/08 |
| 代理公司： | 北京志霖恒远知识产权代理事务所(普通合伙) 11435 | 代理人： | 韩雪梅 |
| 地址： | 100084 北*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明的实施方式提供了一种深度神经网络攻击方法。该方法包括：建立攻击模型，其中，所述攻击模型至少包括原始样本的变换信息以及识别模型在所述原始样本根据所述变换信息变换后的图片的损失函数的权重；利用所述攻击模型基于原始样本来生成对抗样本。通过针对一个真实图片以及其平移过后的一组图片生成对抗样本，本发明的方法使得生成的对抗样本转移性能大幅度提升，从而显著地降低了对抗样本对被攻击模型的敏感度，减少了对抗样本生成时的成本。此外，本发明的实施方式提供了一种深度神经网络攻击装置、介质和计算设备。 | ||
| 搜索关键词： | 攻击 神经网络 对抗 样本 变换信息 计算设备 原始样本 攻击装置 损失函数 图片生成 样本生成 样本转移 平移 敏感度 权重 图片 | ||
【主权项】：
1.一种深度神经网络攻击方法，包括：建立攻击模型，其中，所述攻击模型至少包括原始样本的变换信息以及识别模型在所述原始样本根据所述变换信息变换后的图片上的损失函数的权重；利用所述攻击模型基于原始样本来生成对抗样本。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于清华大学，未经清华大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910329772.2/，转载请声明来源钻瓜专利网。
