一种基于算法对抗性攻击的图像识别攻击方法

摘要

本发明涉及一种基于算法对抗性攻击的图像识别攻击方法，将需要被进行识别攻击的原始图像输入对抗式生成网络，获得对抗性图像，将原始图像和对抗性图像同时进行图像识别分类，若分类相同则攻击不成功，收集数据并更新对抗式生成网络，否则攻击成功。本发明能攻击现有的图像识别算法，通过生成对抗性样本，使算法无法进行正常的图像识别，从而影响人脸识别、图像检测、自动驾驶等领域的功能应用，适用性广；对抗式生成网络一旦训练完成，之后所生成的对抗性样本均不需要依赖于目标模型的接触和大量数值运算，具有高效、可迁移的特点；研究机器学习的对抗性攻击有益于进一步优化机器学习算法和数据处理手段，提高机器学习算法和其应用的安全性。