CN115632843B 基于目标检测的后门攻击防御模型的生成方法 （云南大学）_第1页
CN115632843B 基于目标检测的后门攻击防御模型的生成方法 （云南大学）_第2页
CN115632843B 基于目标检测的后门攻击防御模型的生成方法 （云南大学）_第3页
CN115632843B 基于目标检测的后门攻击防御模型的生成方法 （云南大学）_第4页
CN115632843B 基于目标检测的后门攻击防御模型的生成方法 （云南大学）_第5页
已阅读5页，还剩15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

US2022253714A1,202基于目标检测的后门攻击防御模型的生成本发明公开了一种基于目标检测的后门攻个待检测标签类Y中选取一张清晰的图像X作为取差异性较大的第0层数据作为增强后的干净数后门集Dt，并且将Dt放置到干净数据集Dc的任意p位置处，合成后的样本集合记为中毒训练集D；p利用训练的目标检测工具Yolov5模型对中毒训终的模型对面向深度神经网络的后门攻击具有2步骤二：使用SinGAN模型对基准数据进行多尺度学习，对Sp步骤四：利用训练的目标检测工具Yolov5模型对中毒训练集D生成后门防御模型p所述步骤二中，SinGAN模型从单张图像的多尺度中捕捉不同的数据分n(3x3)_BatchNorm_LeakyReLU；n补丁分布和生成样本中补丁分布中的距离，ppppyy3成高攻击性能的同时不会降低模型的原有性能(即不会造成原始DNN模型的准确率快速下[0005]本发明实施例的目的在于提供一种基于目标检测的后门攻击防御模型的生成方4pp测攻击的YOLOv5模型将防御目标从单5类型和增强后的数据进行合成生成中毒的训练集；最后利用优化改进的目标检测Yolov5ppM(x,y,w,h)作为一个嵌套的优化目标函数，内部的判别器以实6[0038]图像样本的尺寸从粗粒度逐渐细分到细粒度上，对于每一个尺寸都需要注入噪[0040]随着尺寸的减少，每个生成器Gn会添加前一个生成器Gn_1中没有生成的细节。因[0045]每个生成器Gn和一个判别器Dn组成一对，该判别器将其输入[0046]对抗损失函数定义为Ladv,用来惩罚Xn中正态分布和生成的样本中正态分布之间[0048]其中，表示WGAN生成器Gn的输出，表示在上添加随机噪声后的样本；7[0054]步骤三中，需要将后门类型T的数量限制在10至50个以内以至达到高效的检测效p[0056]S41：利用步骤三中合成的中毒训练集D生成对应描述训练信息的xml和txt格式pppyyyy[0061]为了更好地说明本发明的技术效果，采用一个具体实例对本发明进行实验验识别图像)数据集。该任务是识别43种不同的交通标志，模拟自动驾驶汽车的应用场景。际场景中可能出现的多维角度去验证后门防御模型的检测性能。实验中分别从目标标签、89[0068](1)防御模型在保持分类性能基本不降低的情况下，使得后门攻击成功率从[0069](2)实验中防御模型都是基于防御者的假设后门尺寸而形成。图像中从跨尺寸角[0071]

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