一种视觉感知扰动约束的黑盒深度模型对抗样本生成方法

摘要

本发明涉及一种视觉感知扰动约束的黑盒深度模型对抗样本生成方法，属于深度学习安全技术领域，解决现有技术中使用Lp范数约束生成的对抗样本在具有防御功能的黑盒环境下存在成功率较低和转移性较差等不足。本发明利用感知相似性来生成对抗样本，并与现有攻击结合，产生一种新的对抗攻击策略。本发明生成的对抗样本，可以通过与人类感知相同的方式扰乱图像。本发明的对抗攻击策略，能够产生更大的扰动，但仍然对人类眼睛是隐形的。由于更大的扰动意味着对抗样本更有效，因此，本发明生成的对抗样本能够以更高的成功率攻击深度学习模型，能够以更高的置信度从一种计算机视觉任务转移到另一种计算机视觉任务中，完全克服了现有技术的缺陷。