优化的单像素攻击算法及其防御研究
发布时间:2022-12-04 17:50
随着神经网络模型的广泛应用,其安全性也日益受到重视,本文主要讨论了基于单像素攻击算法对经典CNN模型在黑盒条件下的对抗性攻击,利用该算法对LeNet和ResNet模型进行对抗性攻击测试,并采用粒子群算法进行优化,经过优化后,在扰动差异度为0.3%条件下,LeNet模型攻击成功率在80%以上,ResNet模型攻击成功率60%以上;同时提出针对性防御,自适应异常像素检测修正算法,可实现对单像素攻击算法产生的低扰动攻击进行有效防御,在扰动差异度为0.1%条件下,防御成功率可以达到80%以上。
【文章页数】:4 页
【文章目录】:
1 引言
2 攻击算法与防御算法
2.1 单像素攻击算法
2.2 异常像素检测修正算法
2.3 算法测试
3 单像素攻击算法优化与防御效果
3.1 基于随机搜索的单像素攻击算法不足
3.2 基于PSO进行优化
3.3 防御效果讨论
4 结束语
【参考文献】:
期刊论文
[1]改进的约束多目标粒子群算法[J]. 凌海风,周献中,江勋林,萧毅鸿. 计算机应用. 2012(05)
硕士论文
[1]图像非局部均值滤波去噪和修复算法的改进研究[D]. 杨帆.南昌航空大学 2015
本文编号:3708719
【文章页数】:4 页
【文章目录】:
1 引言
2 攻击算法与防御算法
2.1 单像素攻击算法
2.2 异常像素检测修正算法
2.3 算法测试
3 单像素攻击算法优化与防御效果
3.1 基于随机搜索的单像素攻击算法不足
3.2 基于PSO进行优化
3.3 防御效果讨论
4 结束语
【参考文献】:
期刊论文
[1]改进的约束多目标粒子群算法[J]. 凌海风,周献中,江勋林,萧毅鸿. 计算机应用. 2012(05)
硕士论文
[1]图像非局部均值滤波去噪和修复算法的改进研究[D]. 杨帆.南昌航空大学 2015
本文编号:3708719
本文链接:https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3708719.html