[发明专利]一种针对以卷积神经网络为基础的EEG脑机接口的攻击方法

权利要求书

1.一种针对以卷积神经网络为基础的EEG脑机接口的攻击方法，其特征在于，该方法包括以下步骤：

S1.使用白盒攻击构造EEG脑机信号的白盒对抗样本，使用灰盒攻击构造EEG脑机信号的灰盒对抗样本，使用黑盒攻击构造EEG脑机信号的黑盒对抗样本；

S2.分别使用EEG脑机信号的白盒对抗样本、灰盒对抗样本、黑盒对抗样本攻击EEG脑机接口的卷积神经网络；

所述使用黑盒攻击构造EEG脑机信号的黑盒对抗样本，包括以下子步骤：

(1)任意采集n个真值标签未知的EEG脑机信号样本x_i，构成初始样本集合S₀＝{x_i}，i＝1，2，…，n，并选择一个替代的卷积神经网络模型f′(x)；

(2)使用目标模型f(x)对集合S₀中每个样本x_i进行标注，得到训练集D＝{(x_i，f(x_i))}；

(3)用训练集D训练替代模型f′(x)；

(4)用当前替代模型f′(x)增加新的EEG脑机信号样本，产生新的样本集合S₀＝S₀∪ΔS，其中，

λ为搜索新的需要查询的样本的步长；

(5)重复步骤(2)-(4)，直至达到设定迭代次数，得到训练好的替代模型f′(x)；

(6)对训练好的替代模型f′(x)进行白盒攻击，产生对抗样本x^*。

2.如权利要求1所述的攻击方法，其特征在于，所述使用白盒攻击构造EEG脑机信号的白盒对抗样本，包括以下子步骤：

(1)输入真值标签y未知的EEG脑机信号测试样本x；

(2)将测试样本x输入目标模型f中，得到测试样本x对应的预测标签y′＝f(x)；

(3)使用预测标签y′代替真值标签y；

(4)构造EEG脑机信号的对抗样本x^*

其中，表示J_f(x，y′)对x的导数，J_f(x，y′)表示被攻击的目标模型为f(x)，使用的预测标签y′与真值标签y之间的误差函数，ε为单个采样点最大扰动限制，g(x)为产生对抗样本的模块。

3.如权利要求2所述的攻击方法，其特征在于，单个采样点最大扰动限制ε通过人为设定，取值范围为0.01-0.3。

4.如权利要求2所述的攻击方法，其特征在于，所述使用灰盒攻击构造EEG脑机信号的灰盒对抗样本，具体包括以下子步骤：

(1)选择一个替代的卷积神经网络模型f′(x)；

(2)使用目标模型f(x)的训练集，训练替代模型f′(x)；

(3)对训练好的替代模型f′(x)进行白盒攻击，产生对抗样本x^*。

5.如权利要求1所述的攻击方法，其特征在于，搜索新的需要查询的样本的步长λ取值范围为0.1-1。

6.如权利要求1所述的攻击方法，其特征在于，设定迭代次数取值范围为3-5。

7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的攻击方法。