抵御对抗样本攻击的图像分类模型结构与训练方法及系统
知识产权简介
本发明涉及一种抵御对抗样本攻击的图像分类模型结构与训练方法。该方法提供了一种结合低维和高维对抗特征自学习净化模块的图像分类模型AdvPurifyNet,同时引入了一种针对性的使用基于阈值的自适应多任务学习机制的训练方法,从而有效滤除对抗样本的对抗性特征,有效防御对抗样本的攻击。特别的,本发明创新地设计了一种抵御对抗样本攻击的图像分类模型结构与训练方法,对抗样本中存在的对抗性特征会被模型去除,图像的原始特征得以保留,可以有效防御对抗样本的攻击,实现鲁棒的图像分类,无需明确对抗攻击类型即可实现有效的针对对抗攻击的防御,相较于传统的预处理防御和对抗训练技术,具有更好的防御效果且通用性更强。