[发明专利]一种基于贝塞尔曲线的图像分类神经网络攻击方法

权利要求书

1.一种基于贝塞尔曲线的图像分类神经网络攻击方法，其特征在于，包含以下步骤：

步骤1：搭建多个图像分类神经网络并加载预训练参数；

步骤2：从ImageNet数据集中选取一千张满足同分布的图像样本，利用图像样本对搭建好的神经网络进行参数微调；

步骤3：在原图像的基础上随机生成一条贝塞尔曲线；

步骤4：利用差分进化算法，在大量随机生成的贝塞尔曲线中寻找最优曲线；

步骤5：将寻找出的最优贝塞尔曲线加入到图像样本上，误导图像分类神经网络将其错误分类；

步骤6：重复步骤3-步骤5，即可对所有图像添加最优贝塞尔曲线。

2.根据权利要求1所述的一种基于贝塞尔曲线的图像分类神经网络攻击方法，其特征在于，所述步骤1中，分别搭建3个经典的图像分类神经网络：VGG16，ResNet50，DenseNet201，并加载各自的预训练参数。

3.根据权利要求1所述的一种基于贝塞尔曲线的图像分类神经网络攻击方法，其特征在于，所述步骤2中，从ImageNet数据集中选取满足同分布的一千张图像，以更好地验证所提出方法的有效性；并且利用这些样本对神经网络进行参数微调，保证每个神经网络对这些样本的准确识别率为100％。

4.根据权利要求1所述的一种基于贝塞尔曲线的图像分类神经网络攻击方法，其特征在于，所述步骤3中，随机生成的贝塞尔曲线，其像素值均为同一个随机化的初始值，并且其位置和方向也是随机生成；所使用的贝塞尔曲线公式的理论基础为伯恩斯坦多项式：

其中，β_i是伯恩斯坦系数，b_i，n(t)为：

其中，i＝0，1，…，n，

当伯恩斯坦系数是一个位于二维平面上的固定点序列时(比如：P₀，P₁，P₂)，伯恩斯坦多项式就变成了贝塞尔曲线公式；通过限定n＝2，可以得到二次贝塞尔曲线公式：

B(t)＝(1-t)²P₀+2t(1-t)P₁+t²P₂，t∈[0，1] (3)

贝塞尔曲线可以仅仅根据很少的点就能生成一条复杂的光滑曲线；通过二次贝塞尔曲线公式，给定三个随机生成的坐标点，就可以画出一条光滑的贝塞尔曲线。

5.根据权利要求1所述的一种基于贝塞尔曲线的图像分类神经网络攻击方法，其特征在于，所述步骤4中，使用差分进化算法对步骤3中生成的大量贝塞尔曲线进行全局优化，寻找最优贝塞尔曲线。

6.根据权利要求1所述的一种基于贝塞尔曲线的图像分类神经网络攻击方法，其特征在于，所述步骤5中，将寻找出的最优贝塞尔曲线加入到图像样本，并使用步骤2中得到的经过参数微调的神经网络对其进行分类，记录分类结果。