[发明专利]一种针对深度神经网络图像分类器的对抗攻击方法

摘要

本发明公开了一种针对深度神经网络图像分类器的对抗攻击方法，该方法包括：通过深度神经网络分类器模型的损失函数对输入样本进行梯度计算，构建平均梯度；基于平均梯度对输入样本进行添加扰动处理，生成对抗样本；基于生成样本对深度神经网络分类器模型进行循环迭代训练，直至满足预设迭代次数，得到训练后的深度神经网络分类器模型。通过使用本发明，能够实现更高的攻击成功率与降低模型分类的准确率进一步提升深度神经网络分类器的鲁棒性。本发明作为一种针对深度神经网络图像分类器的对抗攻击方法，可广泛应用于深度神经网络应用技术领域。