CN115546003B 基于对抗训练网络的后门水印图像数据集生成方法 （西安电子科技大学）_第1页
CN115546003B 基于对抗训练网络的后门水印图像数据集生成方法 （西安电子科技大学）_第2页
CN115546003B 基于对抗训练网络的后门水印图像数据集生成方法 （西安电子科技大学）_第3页
CN115546003B 基于对抗训练网络的后门水印图像数据集生成方法 （西安电子科技大学）_第4页
CN115546003B 基于对抗训练网络的后门水印图像数据集生成方法 （西安电子科技大学）_第5页
已阅读5页，还剩10页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于对抗训练网络的后门水印图像数据集本发明公开了一种基于对抗训练网络的后本发明的后门水印图像数据集修改生成器网络2构建一个由5个全连接层级联的生成器网络，将第一至第五全连接层的输入神经元个构建一个由3个全连接层级联的鉴别器网络，将第一至第三全连接层的输入神经元个步骤3.1，将包含C个目标类别的N幅图像中的一半图像及其标签组成图片样本集，其修改生成器网络和鉴别器网络均训练好时生成器网络输出的2.根据权利要求1所述的基于对抗训练网络的后门水印图像数据集生成方法，其特征在于，步骤4.2中所述计算所有噪声样本输入到生成器网络后输出的噪声样本平均损失值loss表示所有噪声样本输入到生成器网络后输出的噪声样本平均损失值，i表示网络后输出的假样本，D(G(z(i)))表示假样本G(z(i))输入鉴别器网络后输出的对该假样本33.根据权利要求2所述的基于对抗训练网络的后门水印图像数据集生成方法，其特征在于，步骤4.2中所述计算所有图片样本和所有假样本输入到鉴别器网络后输出的样本平其中，Dloss表示所有假样本和所有图像样本输入到鉴别器网络后输出的样本平均损失样本xj输入鉴别器网络后输出的鉴别概率，D(x')表示假样本输入鉴别器网络后输出的4.根据权利要求1所述的基于对抗训练网络的后门水印图像数据集生成方法，其特征在于，步骤4.2中所述的采用梯度下降算法对生成器网络和鉴别器网络的参数进行交替更4练集中随机选择部分图片数据集通过密钥产生的混沌序列对图片进行置乱加密得到触发[0005]RyotaNamba等人在其发表的论文“RobustWatermarkingofNeuralNetworkwithExponentialWeighting”(Procofthe2019ACMAsiaConfonComputerand5好地学习图片样本集的特征，克服了现有的神经网络后门水印方法中引入错误的映射关[0011]构建一个由5个全连接层级联的生成器网络，将第一至第五全连接层的输入神经[0013]构建一个由3个全连接层级联的鉴别器网络，将第一至第三全连接层的输入神经6[0021]修改生成器网络和鉴别器网络均训练好时生成器网络输将所有的假样本及其修改后的标签组成后门水印图像成器生成的假样本；克服了现有技术中后门水印图像数据集和真实图片样本集差异过大，全连接层的输入神经元个数依次设置为784，512，256，输出神经元个数依次设置为512，[0032]步骤3.1，将包含C个目标类别的7度为100的噪声样本映射成维度为784的噪声样本，将映射后的所有噪声样本组成假样本[0038]本发明实施例中，训练100次后噪声样本平均损失值和样本平均损失值均不再变第i个噪声样本z(i)输入到生成器网络后输出的假样本，D(G(z(i)))表示假样本G(z(i))输入入到鉴别器网络后输出的鉴别概率，D(x'

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论