一种对抗样本生成方法、装置、电子设备及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115049843A(43)申请公布日2022.09.13(21)申请号202210691492.8(22)申请日2022.06.17(71)申请人浙江大华技术股份有限公司地址310053浙江省杭州市滨江区滨安路1187号(72)发明人丁珏敦婧瑜(74)专利代理机构北京同达信恒知识产权代理有限公司11291专利代理师潘平(51)Int.Cl.G06V10/42(2022.01)G06V10/764(2022.01)G06V10/82(2022.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书13页附图4页(54)发明名称一种对抗样本生成方法、装置、电子设备及存储介质(57)摘要本申请实施例提供一种对抗样本生成方法、装置、电子设备及存储介质，通过对样本生成器生成的攻击样本数据进行频域分离，并采用分离获得的高频样本数据及低频样本数据，训练设计好的高频判别器及低频判别器，从而利用训练好的两个判别器，实现样本生成器的对抗训练，基于上述方式，本申请实施例保障了预先设计的样本生成器能够同时学习到原始样本数据在不同频域条件下的数据分布信息，从而使得训练得到的目标生成器具有更强的攻击能力，进一步丰富了目标生成器最终所能够输出的对抗样本的数据类别，有效提升了对抗样本的攻击泛化性。CN115049843ACN115049843A权利要求书1/2页1.一种对抗样本生成方法，其特征在于，包括：将原始样本数据输入预设的样本生成器，生成相应的攻击样本数据，其中，所述原始样本数据至少包含：一个样本图像的原始图像数据；对所述攻击样本数据进行频域分离，获得相应的高频样本数据及低频样本数据；采用所述高频样本数据，训练预设的高频判别器，并采用所述低频样本数据，训练预设的低频判别器；基于训练的高频判别器及低频判别器，对所述样本生成器进行对抗训练，并基于获得的目标生成器，生成与所述原始样本数据相应的对抗样本。2.如权利要求1所述的方法，其特征在于，所述对所述攻击样本数据进行频域分离，获得相应的高频样本数据及低频样本数据，包括：对所述攻击样本数据中，对应于一个样本图像的样本数据进行频域转换，获得所述一个样本图像的频域转换数据；基于针对所述一个样本图像确定的频域范围，对所述一个样本图像的频域转换数据进行划分，获得相应的高频转换数据及低频转换数据，其中，所述高频转换数据归属于所述一个样本图像的频域范围；分别对所述高频转换数据及所述低频转换数据进行逆转换，获得所述一个样本图像相应的高频攻击样本及低频攻击样本。3.如权利要求1或2所述的方法，其特征在于，所述采用所述高频样本数据，训练预设的高频判别器，并采用所述低频样本数据，训练预设的低频判别器，包括：对所述原始样本数据进行频域分离，获得相应的高频原始数据及低频原始数据，其中，所述高频原始数据至少包含：基于一个样本图像的频域范围，对所述一个样本图像的原始图像数据进行频域分离，所获得的相应高频图像数据；采用所述高频原始数据及所述高频样本数据，对预设的高频判别器进行多轮迭代训练，并采用所述低频原始数据及所述低频样本数据，对预设的低频判别器进行多轮迭代训练。4.如权利要求3所述的方法，其特征在于，所述对预设的高频判别器进行多轮迭代训练，包括：在每轮迭代训练过程中，执行以下操作：采用所述高频判别器，基于所述高频样本数据中的一个高频攻击样本，确定所述一个高频攻击样本及相应高频图像数据之间的高频损失值，并基于所述高频损失值，调整所述高频判别器的模型参数；在所述高频判别器满足预设的高频收敛条件时，固定所述高频判别器的模型参数。5.如权利要求3所述的方法，其特征在于，所述对预设的低频判别器进行多轮迭代训练，包括：在每轮迭代训练过程中，执行以下操作：采用所述低频判别器，基于所述低频样本数据中的一个低频攻击样本，确定所述一个低频攻击样本及相应低频图像数据之间的低频损失值，并基于所述低频损失值，调整所述低频判别器的模型参数；在所述低频判别器满足预设的低频收敛条件时，固定所述低频判别器的模型参数。6.如权利要求2、4和5任一项所述的方法，其特征在于，所述对所述样本生成器进行对抗训练，包括：2CN115049843A权利要求书2/2页采用所述高频判别器及所述低频判别器，对所述样本生成器进行多轮迭代训练，在满足预设的目标收敛条件时，输出目标生成器；其中，在一轮迭代训练的过程中，执行以下操作：采用所述高频判别器，基于所述高频样本数据中的一个高频攻击样本，获得相应的高频判别结果，并采用所述低频判别器，基于所述低频样本数据中的一个低频攻击样本，获得相应的低频判别结果；基于获得的所述高频判别结果及所述低频判别结果，调整所述样本生成器的模型参数。7.如权利要