一种对抗样本生成模型的构建方法及应用.pdf
如灵****姐姐
亲,该文档总共14页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种对抗样本生成模型的构建方法及应用.pdf
本发明公开了一种对抗样本生成模型的构建方法及应用,属于人工智能安全领域,所构建的模型包括级联的扰动模块和奖励计算模块;通过最大化图像样本集中的所有图像样本所对应的奖励的累积值,对对抗样本生成模型进行训练;当对抗样本生成模型训练完成后,扰动模块输出的扰动后的图像即为基于图像样本生成的对抗样本;本发明构建了一个基于强化学习的对抗样本生成模型,通过在对抗样本生成模型的训练过程中不断优化扰动值,使得查询朝向所期望的目标进行,规避了大量的重复查询,计算效率较高。除此之外,本发明所构建的模型并不依赖目标模型的梯度来生
一种获取对抗样本生成模型的方法和系统.pdf
本说明书实施例公开了一种获取对抗样本生成模型的方法和系统,所述方法包括:获取多个训练样本;对于多个训练样本的每一个进行以下处理,迭代更新对抗样本生成模型的参数,获取训练完成的对抗样本生成模型:输入对抗样本生成模型,以获取该训练样本相对应的构造样本;将所述构造样本输入到目标模型,以得到目标模型对所述构造样本的处理结果,并基于所述处理结果确定惩罚值;基于构造样本与其对应的训练样本的差异、以及惩罚值构造第一损失函数;所述第一损失函数与所述差异以及所述惩罚值均正相关;调节对抗样本生成模型的参数,以减小第一损失函数
一种对抗样本的生成方法及对抗样本的防御方法.pdf
本发明涉及一种对抗样本的生成方法包括:步骤1、对原始振动信号样本进行预处理,得到预处理后的样本x<base:Sub>t</base:Sub>;步骤2、将样本x<base:Sub>t</base:Sub>输入到目标网络f中,计算损失函数;t的初始值为0;步骤3、计算更新后的样本x<base:Sub>t+1</base:Sub>;步骤4、对更新后的样本x<base:Sub>t+1</base:Sub>进行度量,得到该样本x<base:Sub>t+1</base:Sub>的度量结果;步骤5、判断步骤4中度量结果
对抗样本生成模型的训练方法及装置.pdf
本说明书实施例提供一种生成对抗样本的生成模型的训练方法和装置,该方法包括,首先获取原始样本构成的样本集,其中包括正常样本和风险样本;还获取风险检测模型及其对应的损失函数。针对样本集中各个原始样本,利用生成模型生成扰动变换,并将其叠加在对应原始样本上,得到各个原始样本对应的各个变换样本;利用风险检测模型确定各个变换样本的各个风险预测值;以正常样本对应的标签值为比对标签值,分别将各个风险预测值代入前述损失函数,得到各个变换样本的对抗损失;至少根据各个变换样本的对抗损失的综合确定总对抗损失;以最小化总对抗损失为
生成神经网络模型的对抗样本木马的方法及相关设备.pdf
本申请提供一种生成神经网络模型的对抗样本木马的方法及相关设备,包括:生成K个符合预定要求的第一扰动,所述预定要求包括目标函数要求以及L个样本图像的扰动率要求,所述样本图像的维度高于所述第一扰动的维度;对于K个所述第一扰动中的每一个,迭代地执行使该第一扰动在其目标函数的梯度方向上下降的操作,直至满足预设的迭代结束条件得到该第一扰动的优化扰动;计算每个优化扰动的所述目标函数的第一值;将第一值中的最小值对应的所述优化扰动确定为目标扰动;利用经过训练的神经网络模型对所述目标扰动进行数据升维处理,得到所述对抗样本木