一种基于SAR目标识别网络的对抗样本快速生成方法.pdf
夏萍****文章
亲,该文档总共17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
一种基于SAR目标识别网络的对抗样本快速生成方法.pdf
本发明公开了一种基于SAR目标识别网络的对抗样本快速生成方法,包括以下步骤:采集用于模型训练的SAR图像数据集,根据通用目标识别模型,构建基于深度学习的SAR图像目标识别模型,并通过采用对抗扰动生成算法,获取SAR图像目标识别模型的通用对抗扰动;采集用于SAR成像的雷达参数并进行二维相位干扰调制,获取调制干扰策略;并根据无约束最小优化算法,采用Adam优化器,迭代求解二维相位调制序列;并依据调制干扰策略,获取用于干扰识别效果的通用生成扰动,通过将通用生成扰动添加到SAR图像数据集,获取SAR图像目标识别模
一种基于双层生成对抗网络的对抗样本生成方法.pdf
本发明提出了一种基于双层生成对抗网络的对抗样本生成方法,涉及人工智能安全领域。该方法采用第一层条件生成对抗网络、特征提取器、第二层生成对抗网络和目标网络;条件生成对抗网络用于生成新的样本,其鉴别器不但要分辨生成样本的真实性,还对其类别进行判定;特征提取器用于提取原始样本隐藏层特征,生成具有对抗先验的扰动;第二层生成对抗网络用于生成对抗扰动,鉴别器分析对抗样本的真实性及其与条件生成对抗网络生成样本的相似性;目标网络用于验证对抗样本的攻击成功率。本发明利用两层神经网络分别生成特定类别的样本和对抗扰动,能够实现
一种基于生成对抗网络的SAR智能参数化自聚焦方法.pdf
本发明公开了一种基于生成对抗网络的SAR智能参数化自聚焦方法,首先,建立延展目标的SAR参数化回波模型和运动误差模型,从中分析得出运动误差与目标参数耦合关系和目标散射特性相位与目标参数的映射关系;然后,通过训练生成对抗网络得出目标散焦聚焦图像对的映射关系,并从中估计出目标参数,最后,将估计的目标参数使用在运动误差与目标参数解耦中,使用常规相位梯度自聚焦算法估计真实运动相位误差,实现目标图像的聚焦;本发明方法提供了一种高智能、高效率的SAR参数化自聚焦解决方案,预期可应用于机载、地基SAR自聚焦等领域。
基于生成对抗网络的小样本声呐图像分类识别优化方法.pdf
本发明涉及一种基于生成对抗网络的小样本声呐图像分类识别优化方法,利用真实声呐图像样本通过生成对抗网络进行数据合成,合成数据作为真实训练样本的扩充数据用于深层卷积神经网络训练,完成对水下目标声呐图像更加准确的分类与识别。使用合成图像数据对原有小样本情况下的数据集互补增强后进行网络训练,能够避免深层卷积神经网络过拟合问题,获得86.85%的识别准确率,识别精度有明显提升,有效解决了水下目标识别研究中声呐图像样本不足的问题,具有广泛的应用前景,可进一步应用于实测水下目标声呐图像的分类识别。
一种基于对抗样本的网络欺骗流量生成方法.pdf
本发明公开了一种基于对抗样本的网络欺骗流量生成方法,涉及网络安全领域,从防御者的角度,针对攻击者基于深度学习模型发起流量分类攻击中,由于不知道攻击者所使用的深度学习模型,而无法进行有效防御的问题。通过在正常网络流量中添加微小扰动,利用迁移学习攻击算法的思想,使用集成学习的方法生成网络欺骗流量对抗样本,达到在不知道攻击者所用模型参数信息的情况下,使攻击者在实施以深度学习为基础的流量分类攻击时出现分类错误的目的,具有广阔的应用前景。