[发明专利]基于截尾奇异值和像素插值的数字图像对抗样本防御方法

摘要

对抗性机器学习研究已经表明，深度学习体系结构容易受到对抗样本的攻击。精心设计的小扰动会导致神经网络对正常图像的误分类，但不会对人类视觉系统造成识别错误。本发明提出一种基于截尾奇异值和像素插值的数字图像对抗样本防御方法，该方法基于像素矩阵分析和图像像素插值处理，以恢复图像在深度学习模型的正常识别为目标，在保证正常图片不会因为上述操作而被深度学习模型误分类的情况下能够有效防御对抗攻击。该方法有效地利用了矩阵分析和奇异值分解，并通过保留较大的奇异值，来重构出与对抗样本高度相似的最佳逼近图像，重构的图像再经过像素插值处理后，可以被深度学习模型正确的识别。此外，像素插值可以增加防御模型的不可预测性，从而达到防御黑盒攻击的目的。