首页|基于双边滤波与自编码器的对抗样本防御方法

基于双边滤波与自编码器的对抗样本防御方法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
深度学习在图像分类等领域被广泛应用的同时,也存在着对抗样本攻击的问题.针对这一问题,提出基于双边滤波与卷积降噪自编码器的对抗样本防御方法BF-CDAE.首先对加入对抗扰动的图片进行双边滤波,初步去除图片的噪音扰动,然后将去噪后的图片送入卷积降噪自编码器中,对高维数据进行特征提取,进一步去除对抗样本中误导模型识别的噪音.实验结果表明,在不影响原图像分类结果的同时,针对采用FGSM方法生成的对抗样本攻击,利用该防御方法可将分类准确率恢复到93.14％,证明了该防御方法的有效性.
Anti-Sample Defense Method Based on Bilateral Filtering and Autoencoder

王成、李永忠

展开 >

江苏科技大学计算机学院,江苏镇江212003

图像分类 对抗样本 双边滤波器 卷积降噪自编码器 深度学习

国家自然科学基金江苏省研究生科研创新计划项目

61471182KYCX20_2993

2021

10.11907/rjdk.202111

软件导刊
湖北省信息学会

软件导刊

影响因子：0.524
ISSN：1672-7800
年,卷(期)：2021.20(6)
  • 10