隨著神經(jīng)網(wǎng)絡(luò)模型的廣泛應(yīng)用,其安全性也日益受到重視,本文主要討論了基于單像素攻擊算法對經(jīng)典CNN模型在黑盒條件下的對抗性攻擊,利用該算法對LeNet和ResNet模型進(jìn)行對抗性攻擊測試,并采用粒子群算法進(jìn)行優(yōu)化,經(jīng)過優(yōu)化后,在擾動差異度為0.3%條件下,LeNet模型攻擊成功率在80%以上,ResNet模型攻擊成功率60%以上;同時提出針對性防御,自適應(yīng)異常像素檢測修正算法,可實現(xiàn)對單像素攻擊算法產(chǎn)生的低擾動攻擊進(jìn)行有效防御,在擾動差異度為0.1%條件下,防御成功率可以達(dá)到80%以上。 

【文章頁數(shù)】：4 頁

【文章目錄】：
1 引言
2 攻擊算法與防御算法
    2.1 單像素攻擊算法
    2.2 異常像素檢測修正算法
    2.3 算法測試
3 單像素攻擊算法優(yōu)化與防御效果
    3.1 基于隨機(jī)搜索的單像素攻擊算法不足
    3.2 基于PSO進(jìn)行優(yōu)化
    3.3 防御效果討論
4 結(jié)束語


【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)的約束多目標(biāo)粒子群算法[J]. 凌海風(fēng),周獻(xiàn)中,江勛林,蕭毅鴻.  計算機(jī)應(yīng)用. 2012(05)

碩士論文
[1]圖像非局部均值濾波去噪和修復(fù)算法的改進(jìn)研究[D]. 楊帆.南昌航空大學(xué) 2015



本文編號：3708719