双极网络腐蚀增强对抗样本迁移性的方法

摘要

双极网络腐蚀增强对抗样本迁移性的方法，涉及计算机视觉的技术领域。本发明对源深度网络的内部参数进行实时的双级腐蚀，使得信息流的前后传播发生改变，并生成多个具有相似决策边界的虚拟模型；然后在迭代过程中通过纵向集成的方法将各个虚拟模型进行融合，以缓解迭代攻击的过拟合问题，从而使生成的对抗样本更具有迁移性能。本发明对网络模型进行双级腐蚀，实验结果表明能大大提升所得对抗样本的迁移性。通过提升对抗样本图像跨模型迁移攻击能力，显著提升了对抗样本的黑盒攻击成功率。