深度神经网络具有脆弱性,容易被精心设计的对抗样本攻击.梯度攻击方法在白盒模型上攻击成功率较高,但在黑盒模型上的迁移性较弱.基于Heavy-ball型动量和Nesterov型动量的梯度攻击方法由于在更新方向上考虑了历史梯度信息,提升了对抗样...深度神经网络具有脆弱性,容易被精心设计的对抗样本攻击.梯度攻击方法在白盒模型上攻击成功率较高,但在黑盒模型上的迁移性较弱.基于Heavy-ball型动量和Nesterov型动量的梯度攻击方法由于在更新方向上考虑了历史梯度信息,提升了对抗样本的迁移性.为了进一步使用历史梯度信息,本文针对收敛性更好的Nesterov型动量方法,使用自适应步长策略代替目前广泛使用的固定步长,提出了一种方向和步长均使用历史梯度信息的迭代快速梯度方法(Nesterov and Adaptive-learning-rate based Iterative Fast Gradient Method,NAI-FGM).此外,本文还提出了一种线性变换不变性(Linear-transformation Invariant Method,LIM)的数据增强方法 .实验结果证实了NAI-FGM攻击方法和LIM数据增强策略相对于同类型方法均具有更高的黑盒攻击成功率.组合NAI-FGM方法和LIM策略生成对抗样本,在常规训练模型上的平均黑盒攻击成功率达到87.8%,在对抗训练模型上的平均黑盒攻击成功率达到57.5%,在防御模型上的平均黑盒攻击成功率达到67.2%,均超过现有最高水平.展开更多
采用非接触电磁超声技术实现高温连铸坯壳厚度测量,实时调整辊压力、冷却喷水量、压下位置和压下速度等工艺参数,避免出现中心偏析和松散问题,具有重要的工程应用价值。为了进一步提高电磁超声换能器(EMAT)在晶粒粗大和表面振痕的高温...采用非接触电磁超声技术实现高温连铸坯壳厚度测量,实时调整辊压力、冷却喷水量、压下位置和压下速度等工艺参数,避免出现中心偏析和松散问题,具有重要的工程应用价值。为了进一步提高电磁超声换能器(EMAT)在晶粒粗大和表面振痕的高温铸坯中的信噪比和空间分辨率,建立了基于Chirp信号激励的跑道线圈电磁超声检测过程的有限元模型,分析了EMAT设计参数、Chirp信号频宽和脉宽等因素对脉冲压缩后的超声回波信噪比和空间分辨率的影响,并通过实验予以验证。结果表明:经过脉冲压缩后,超声回波的SNR提高19 d B以上,波包宽度减少62. 4%以上;Chirp信号脉宽和永磁体尺寸对信噪比有显著影响,Chirp信号频宽、永磁体间距和宽度、跑道线圈导线直径及其阻抗匹配参数影响空间分辨率。展开更多
文摘深度神经网络具有脆弱性,容易被精心设计的对抗样本攻击.梯度攻击方法在白盒模型上攻击成功率较高,但在黑盒模型上的迁移性较弱.基于Heavy-ball型动量和Nesterov型动量的梯度攻击方法由于在更新方向上考虑了历史梯度信息,提升了对抗样本的迁移性.为了进一步使用历史梯度信息,本文针对收敛性更好的Nesterov型动量方法,使用自适应步长策略代替目前广泛使用的固定步长,提出了一种方向和步长均使用历史梯度信息的迭代快速梯度方法(Nesterov and Adaptive-learning-rate based Iterative Fast Gradient Method,NAI-FGM).此外,本文还提出了一种线性变换不变性(Linear-transformation Invariant Method,LIM)的数据增强方法 .实验结果证实了NAI-FGM攻击方法和LIM数据增强策略相对于同类型方法均具有更高的黑盒攻击成功率.组合NAI-FGM方法和LIM策略生成对抗样本,在常规训练模型上的平均黑盒攻击成功率达到87.8%,在对抗训练模型上的平均黑盒攻击成功率达到57.5%,在防御模型上的平均黑盒攻击成功率达到67.2%,均超过现有最高水平.
文摘采用非接触电磁超声技术实现高温连铸坯壳厚度测量,实时调整辊压力、冷却喷水量、压下位置和压下速度等工艺参数,避免出现中心偏析和松散问题,具有重要的工程应用价值。为了进一步提高电磁超声换能器(EMAT)在晶粒粗大和表面振痕的高温铸坯中的信噪比和空间分辨率,建立了基于Chirp信号激励的跑道线圈电磁超声检测过程的有限元模型,分析了EMAT设计参数、Chirp信号频宽和脉宽等因素对脉冲压缩后的超声回波信噪比和空间分辨率的影响,并通过实验予以验证。结果表明:经过脉冲压缩后,超声回波的SNR提高19 d B以上,波包宽度减少62. 4%以上;Chirp信号脉宽和永磁体尺寸对信噪比有显著影响,Chirp信号频宽、永磁体间距和宽度、跑道线圈导线直径及其阻抗匹配参数影响空间分辨率。
