[发明专利]一种面向AR应用的基于生成对抗网络的对抗样本生成方法

权利要求书

1.一种面向AR应用的基于生成对抗网络的对抗样本生成方法，其特征在于，包括如下步骤：

S1：生成器G以三个随机噪声(Z_Adv,Z_Ben,Z_Z)的嵌入Z＝Embedding(Z_Adv,Z_Ben,Z_Z)作为输入来生成对抗扰动Adv＝G(Z)；然后，将生成的对抗扰动Adv叠加到良性样X_Ben来生成对抗样本X_Adv＝X_Ben+Adv，并计算对抗扰动损失L_Adv；

S2：判别器D以对抗样本X_Adv，良性样本X_Ben和良性样本X_Ben的分类类别Y_Ben作为输入，判别器D正确地区分(X_Ben,X_Adv)，并分别计算生成器G和判别器D的GAN损失L_WGAN-GP；判别器D输出(X_Ben,X_Adv)的类别，并分别计算生成器G和判别器D的ACGAN分类损失L_ACGAN；

S3：多个目标分类网络F_i以对抗样本X_Adv，良性样本X_Ben和对抗样本X_Adv在多个目标分类网络F_i中的分类类别Y_Adv作为输入；多个目标分类网络F_i分别逐层提取(X_Ben,X_Adv)的分类特征并计算特征层损失L_feature；多个目标分类网络F_i输出(X_Ben,X_Adv)的类别Y_predicted＝F_i(X_Ben,X_Adv)，并计算多个目标分类网络F_i的分类损失L_{classification}；

S4：根据生成器G的损失函数L_G＝L_WGAN-GP+λ₁L_ACGAN+λ₂L_Adv+λ₃L_{classification}+λ₄L_feature与判别器D的损失函数L_D＝L_WGAN-GP+λ₅L_ACGAN，使用Adam优化器交替训练生成的对抗网络，得到训练好的生成器G_k；其中，λ₁～λ₅是权重超参数；

S5：利用训练好的生成器G_k生成具有良好的视觉感知和可以有效地愚弄多个目标分类网络F_i的对抗样本X_Adv。