-
题名GAN图像对抗样本生成方法
被引量：8
- 1
-
-
作者
王曙燕
金航
孙家泽
-
机构
西安邮电大学计算机学院
-
出处
《计算机科学与探索》
CSCD
北大核心
2021年第4期702-711,共10页
-
基金
陕西省重点研发计划项目(2020GY-010)
西安市科技计划项目(2019218114GXRC017CG018-GXYD17.10)
西安邮电大学研究生创新基金项目(CXJJLY2019065)。
-
文摘
为了提高生成对抗网络模型对抗样本的多样性和攻击成功率,提出了一种GAN图像对抗样本生成方法。首先,利用原始样本集整体训练一个深度卷积对抗生成网络G1,模拟原始样本集分布;其次,在黑盒攻击场景下,利用模型蒸馏方法对目标模型进行黑盒复制,获取目标模型的本地复制;然后以G1的输出作为输入,以蒸馏模型作为目标模型,训练生成对抗网络G2,在有目标攻击情况下还需输入目标类别,G2用以生成输入数据针对目标类别的扰动;最后将样本与扰动相加并以像素灰度值区间进行规范化,得到对抗样本。实验结果表明,在相同输入条件下该方法产生图像对抗样本平均SSIM指标、MI指标和Cosin相似度分别降低50.7%、10.96%和28.7%,平均均方误差值(MSE)和图像指纹的海明距离分别提升7.6%和1974.80,同时MNIST数据集和CIFAR10数据集下模型平均攻击成功率在95%以上。
-
关键词
神经网络
对抗样本
生成对抗网络(GAN)
模型蒸馏
图像多样性
-
Keywords
neural networks
adversarial sample
generative adversarial network(GAN)
model distillation
image diversity
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
