一种面向网络数字图像识别的对抗样本攻击防御方法

摘要

本发明公开一种面向网络数字图像识别的对抗样本攻击防御方法，属于计算、推算或计数的技术领域。首先生成对抗样本数据集A，将数据集A进行随机打乱后作为数据集B，通过数据增强算法将数据集A中的样本与数据集B中的样本进行混合后生成新的数据集C，数据集C即为训练样本集合，通过感知数据集C对模型训练的重要程度或贡献设计一种新的损失函数附加项。将网络数字图像作为模型的输入，通过训练后的模型判别图像内物体的正确。本发明首次将样本数据增强后的权重感知纳入对抗训练过程中，设计出了新的对抗样本训练过程，能够在几乎不增加训练成本的情况下提升模型在数字对抗样本攻击下的鲁棒性。