基于粒子群算法的深度学习系统鲁棒性增强方法及装置

摘要

本发明公开了一种基于粒子群算法的深度学习系统鲁棒性增强方法及装置，其中公开的方法的步骤为：获取图像数据集并整理分类为训练集和测试集；利用训练集进行对抗攻击预训练干净深度学习模型；构建鲁棒评估指标评估训练好的深度学习模型；构建零阶和一阶损失函数度量用于评估测试集与训练好的深度学习模型之间的关系；将一阶鲁棒性度量指标作为优化目标函数，从测试集中采集部分良性图像作为初始粒子并初始化粒子的位置和速度，以优化目标函数为最大目标采用粒子群优化算法对初始粒子的位置和速度进行迭代更新以生成测试样本；利用生成的测试样本与测试数据集重新训练深度学习模型获得鲁棒防御模型；对防御后模型受攻击的敏感性进行评估。