[发明专利]一种针对图像识别过程中的小像素对抗样本防御方法

权利要求书

1.一种针对图像识别过程中的小像素对抗样本防御方法，其特征在于，包括以下步骤：

S1：使用小像素图像训练数据集中的原始样本集O进行模型的训练，得到一个未经过增强的小像素图像分类模型；

S2：使用小像素对抗样本生成算法对训练数据集中的每一张图片，进行对抗样本生成，得到对抗样本集合A；

S3：对对抗样本集合A的所有样本进行扰动数值的统计，统计每个扰动数值所占的比重，其统计方法为计算出每一张对抗样本的扰动数值分布，然后对整个对抗样本扰动数据集求得平均扰动分布情况，得到对抗样本的扰动分布直方图；

S4: 使用对抗样本的扰动分布直方图，模拟对抗样本生成算法扰动规律，对DUNet模型进行训练，得到降噪输入层；

S5：将降噪输入层和未经过增强的小像素图像分类模型进行拼接，得到增强的模型；

步骤S4包括：

步骤4-1，对训练数据集中的所有原始样本集O，使用对抗样本扰动特征提取得到的扰动占比数据，按照对应的权重信息对原始样本产生随机扰动，得到具有一定噪声分布规律的扰动样本集；

步骤4-2，将原始样本O与对应的扰动样本，组合成训练点对，其中表示原始样本O中的第个样本，表示第个样本使用对抗样本扰动分布规律模拟产生的扰动样本，这两个样本构成一个训练点对，其中为训练输入，为目标输出；

步骤4-3，使用训练点对，对DUNet图像恢复结构进行模型的训练，训练的输入为，训练的目标值为；得到降噪网络DUNet，模型训练的损失函数为MAE。

2.根据权利要求1所述的一种针对图像识别过程中的小像素对抗样本防御方法，其特征在于：步骤S5包括：

步骤5-1，使用降噪网络DUNet作为一个附加的网络结构，对未经过增强的小像素图像分类模型的输入网络层进行修改，保证DUNet结构能够与识别模型相连接；

步骤5-2，将未经过增强的小像素图像分类模型的数据层与DUNet降噪层的输出相连接。