[发明专利]一种针对深度哈希检索的有目标攻击方法及终端设备

说明书

本发明公开了一种针对深度哈希检索的有目标攻击方法及终端设备，所述方法包括步骤：提供具有标签t的样本集合，将所述样本集合中的所有样本输入深度哈希检索模型中，生成相应的哈希码；采用位投票算法获得代表哈希码h_a；指定超参数α的大小为0到1，并设计损失函数；利用梯度下降的方法计算x′的梯度并利用所述梯度更新x′；将生成的对抗样本x′投影，使得x′满足无穷约束和图像空间；判断是否达到预设的更新次数，如果是，得到对抗样本x′；将所述对抗样本x′输入到所述深度哈希检索模型中，返回期望类别的样本。本发明在设计深度哈希检索模型时采用此种攻击方法，有利于提高模型的安全性和鲁棒性，并且产生的对抗样本能够使检索模型返回攻击者期望的类别样本。

技术领域

本发明涉及哈希检索技术领域，特别涉及一种针对深度哈希检索的有目标攻击方法及终端设备。

背景技术

大规模数据近似近邻检索具有高效率和高性能的特点，被应用于很多搜索引擎中检索图像或者视频，例如谷歌和必应等。在这些近似近邻搜索方法中，基于哈希的检索尤其受到更多的关注，它能将数据映射到紧凑的二值空间，从而使用汉明距离度量相似性，提高计算效率。

基于深度学习的哈希检索方法能够取得当前哈希检索中最好的性能，然而，很多研究表明深度学习模型容易受到对抗攻击，使深度学习模型的性能受到影响。按照攻击目的的不同，对抗样本生成可以分为两类方法：无目标攻击和有目标攻击。无目标攻击是指使受到攻击的模型性能下降，而有目标攻击是指攻击者要达到特定的目的(例如在分类任务中目标是使对抗样本分类到指定类别)。在分类任务中针对这两种攻击存在很多的方法。然而，在检索任务中关于对抗攻击的方法还较少，且没有针对深度哈希检索的有目标攻击方法，这不利于研究检索系统的鲁棒性和安全性。

因此，现有技术还有待于改进和发展。

发明内容

本发明要解决的技术问题在于，针对现有技术的不足，提供一种针对深度哈希检索的有目标攻击方法及终端设备，旨在解决现有技术缺少针对深度哈希检索的有目标攻击方法，不利于研究检索系统鲁棒性和安全性的问题。

为了解决上述技术问题，本发明所采用的技术方案如下：

一种针对深度哈希检索的有目标攻击方法，其中，包括步骤：

提供具有标签t的样本集合，将所述样本集合中的所有样本输入深度哈希检索模型中，生成相应的哈希码其中，所述标签t为攻击者指定期望返回的类别，所述标签t与查询图像x的类别不同；

采用位投票算法获得代表哈希码h_a；

指定超参数α的大小为0到1，并设计损失函数为：

其中，tanh为双曲正切函数，x′为对抗样本；

利用梯度下降的方法计算x′的梯度；

利用计算的梯度更新x′；

将生成的对抗样本x′投影，使得x′满足无穷约束和图像空间；

判断是否达到预设的更新次数，如果是，得到对抗样本x′；

将所述对抗样本x′输入到所述深度哈希检索模型中，返回期望类别的样本。

所述针对深度哈希检索的有目标攻击方法，其中，所述深度哈希检索模型为F(·)，其哈希码长为K，样本x_i的哈希码的生成公式为： h＝F(x)＝sign(f_θ(x))，其中，f_θ(·)表示深度神经网络模型，sign(·)为符号函数，表示N个分为c个类别的数据集，y_i∈{0，1}^C表示标签向量。

所述针对深度哈希检索的有目标攻击方法，其中，所述样本x_i为图片或视频。