基于图像降噪的集成对抗防御模型研究
所属分类:技术论文
上传者:zhoubin333
文档大小:1561 K
标签: 对抗样本 集成学习 降噪自动编码器
所需积分:0分积分不够怎么办?
文档介绍:深度学习的快速发展使其在图像识别、自然语言处理等诸多领域广泛应用。但是,学者发现深度神经网络容易受到对抗样本的欺骗,使其以较高置信度输出错误结果。对抗样本的出现给对安全性要求严格的系统带来很大威胁。研究了在低层特征(LowLevel Feature)和高层特征(HighLevel Feature)对图像进行降噪以提升模型防御性能。在低层训练一个降噪自动编码器,并采用集成学习的思路将自动编码器、高斯扰动和图像掩码重构等多种方式结合;高层对ResNet18作微小改动加入均值滤波。实验显示,所提出的方法在多个数据集的分类任务上有较好的防御性能。
现在下载
VIP会员,AET专家下载不扣分;重复下载不扣分,本人上传资源不扣分。