基于GAN的对抗样本生成研究

• 作者: 刘飚 孙曦音 封化民 张健毅
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 对抗样本 生成对抗网络 深度学习 分类模型
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 202-207,248
• 页数: 7页
• 分类号: TP393
• 字数: 5348字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.07.034

摘要

深度卷积神经网络在图像分类、目标检测和人脸识别等任务上取得了较好性能,但其在面临对抗攻击时容易发生误判.为了提高卷积神经网络的安全性,针对图像分类中的定向对抗攻击问题,提出一种基于生成对抗网络的对抗样本生成方法.利用类别概率向量重排序函数和生成对抗网络,在待攻击神经网络内部结构未知的前提下对其作对抗攻击.实验结果显示,提出的方法在对样本的扰动不超过5％的前提下,定向对抗攻击的平均成功率较对抗变换网络提高了1.5％,生成对抗样本所需平均时间降低了20％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	封化民		39	300	9.0	15.0
5	刘飚		14	51	4.0	6.0
6	张健毅		7	9	1.0	3.0
7	孙曦音		2	6	1.0	2.0