本發(fā)明涉及遙感圖像處理領(lǐng)域，尤其涉及一種基于模型融合的遙感圖像安全保護(hù)方法、設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、現(xiàn)有的遙感圖像保護(hù)技術(shù)雖能在一定程度上滿足保障遙感圖像安全的要求，但隨著深度學(xué)習(xí)等人工智能技術(shù)的迅猛發(fā)展，遙感圖像的使用場(chǎng)景變得多樣化、復(fù)雜化。同時(shí)，在現(xiàn)實(shí)場(chǎng)景中，多數(shù)情況下攻擊者所使用的神經(jīng)網(wǎng)絡(luò)分類模型是黑盒，模型的信息無(wú)從知曉，如何抵御黑盒模型對(duì)敏感遙感圖像的惡意識(shí)別行為也是亟需考慮的問(wèn)題。因此，需要緊密結(jié)合遙感圖像的本質(zhì)特征和互聯(lián)網(wǎng)環(huán)境下的開放共享需求，分析深度學(xué)習(xí)模型在遙感圖像方面的應(yīng)用現(xiàn)狀，研究如何在當(dāng)前人工智能大發(fā)展的趨勢(shì)下保護(hù)遙感圖像敏感內(nèi)容的安全。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于：提出一種基于模型融合的遙感圖像安全保護(hù)方法、設(shè)備及存儲(chǔ)介質(zhì)，解決傳統(tǒng)遙感圖像保護(hù)未考慮到深度學(xué)習(xí)情況，導(dǎo)致保護(hù)范圍有限，無(wú)法滿足當(dāng)下需求的技術(shù)問(wèn)題。

2、本發(fā)明提供的一種基于模型融合的遙感圖像安全保護(hù)方法，包括以下步驟：

3、s1：獲取遙感目標(biāo)圖像；

4、s2：利用logits融合策略，把多個(gè)神經(jīng)網(wǎng)絡(luò)分類子模型組成一個(gè)融合模型；

5、s3：根據(jù)子模型的logits輸出和融合權(quán)重，計(jì)算融合模型關(guān)于輸入遙感目標(biāo)圖像樣本的logits輸出；

6、s4：利用softmax函數(shù)和融合模型的中間輸出值logits，構(gòu)造融合模型的損失函數(shù)；

7、s5：根據(jù)融合模型的損失函數(shù)，利用動(dòng)態(tài)采樣非局部梯度下降法，在融合模型上制作對(duì)抗樣本；

8、s6：求解受約束的損失函數(shù)最大化問(wèn)題，得到能夠欺騙融合模型的對(duì)抗樣本。

9、一種存儲(chǔ)介質(zhì)，所述存儲(chǔ)介質(zhì)存儲(chǔ)指令及數(shù)據(jù)用于實(shí)現(xiàn)一種基于模型融合的遙感圖像安全保護(hù)方法。

10、一種基于模型融合的遙感圖像安全保護(hù)設(shè)備，包括：處理器及所述存儲(chǔ)介質(zhì)；所述處理器加載并執(zhí)行所述存儲(chǔ)介質(zhì)中的指令及數(shù)據(jù)用于實(shí)現(xiàn)一種基于模型融合的遙感圖像安全保護(hù)方法。

11、本發(fā)明提供的有益效果是：本發(fā)明能夠欺騙神經(jīng)網(wǎng)絡(luò)分類模型，抵御攻擊者利用神經(jīng)網(wǎng)絡(luò)模型對(duì)遙感圖像中的重要地理目標(biāo)進(jìn)行惡意提取和檢測(cè)，滿足遙感圖像在深度學(xué)習(xí)環(huán)境下的安全保護(hù)需求，同時(shí)保證遙感圖像的視覺(jué)真實(shí)性和共享流通需求不受明顯影響，有效針對(duì)黑盒模型對(duì)敏感遙感圖像實(shí)施的惡意識(shí)別和信息提取行為。本發(fā)明可適用在多樣化的深度學(xué)習(xí)場(chǎng)景下為遙感圖像安全保護(hù)提供保障，彌補(bǔ)了當(dāng)今國(guó)內(nèi)在深度學(xué)習(xí)背景下的遙感圖像安全保護(hù)的領(lǐng)域空白。

技術(shù)特征：

1.一種基于模型融合的遙感圖像安全保護(hù)方法，其特征在于：方法包括以下步驟：

2.如權(quán)利要求1所述的一種基于模型融合的遙感圖像安全保護(hù)方法，其特征在于：步驟s2中所述神經(jīng)網(wǎng)絡(luò)分類模型包括inception?v3、inceptionv4、inception?resnetv2模型和ens3-adv-inception-v3、ens4-adv-inception-v3和ens-adv-inception-resnet-v2對(duì)抗訓(xùn)練模型。

3.如權(quán)利要求1所述的一種基于模型融合的遙感圖像安全保護(hù)方法，其特征在于：步驟s2中，每個(gè)子模型都接收提交的遙感目標(biāo)圖像作為輸入，各子模型都產(chǎn)生一個(gè)中間輸出值logits。

4.如權(quán)利要求3所述的一種基于模型融合的遙感圖像安全保護(hù)方法，其特征在于：步驟s3具體為：

5.如權(quán)利要求4所述的一種基于模型融合的遙感圖像安全保護(hù)方法，其特征在于：步驟s4將融合模型的中間輸出值logits作為softmax函數(shù)的輸入，來(lái)構(gòu)造融合模型的損失函數(shù)，其計(jì)算方式為：

6.如權(quán)利要求5所述的一種基于模型融合的遙感圖像安全保護(hù)方法，其特征在于：步驟s5具體為：

7.一種存儲(chǔ)介質(zhì)，其特征在于：所述存儲(chǔ)介質(zhì)存儲(chǔ)指令及數(shù)據(jù)用于實(shí)現(xiàn)權(quán)利要求1～6任一項(xiàng)所述的一種基于模型融合的遙感圖像安全保護(hù)方法。

8.一種基于模型融合的遙感圖像安全保護(hù)設(shè)備，其特征在于：包括：處理器及存儲(chǔ)介質(zhì)；所述處理器加載并執(zhí)行存儲(chǔ)介質(zhì)中的指令及數(shù)據(jù)用于實(shí)現(xiàn)權(quán)利要求1～6任一項(xiàng)所述的一種基于模型融合的遙感圖像安全保護(hù)方法。

技術(shù)總結(jié)
本發(fā)明涉及遙感圖像處理領(lǐng)域，公開了一種基于模型融合的遙感圖像安全保護(hù)方法、設(shè)備及存儲(chǔ)介質(zhì)，方法包括步驟：獲取遙感目標(biāo)圖像；利用logits融合策略，把多個(gè)神經(jīng)網(wǎng)絡(luò)分類子模型組成一個(gè)融合模型；據(jù)子模型的logits輸出和融合權(quán)重，計(jì)算融合模型關(guān)于輸入遙感目標(biāo)圖像樣本的logits輸出；利用softmax函數(shù)和融合模型的中間輸出值logits，構(gòu)造融合模型的損失函數(shù)；根據(jù)融合模型的損失函數(shù)，利用動(dòng)態(tài)采樣非局部梯度下降法，在融合模型上制作對(duì)抗樣本；求解受約束的損失函數(shù)最大化問(wèn)題，得到能夠欺騙融合模型的對(duì)抗樣本。本發(fā)明有益效果是：有效針對(duì)黑盒模型對(duì)敏感遙感圖像實(shí)施的惡意識(shí)別和信息提取行為。

技術(shù)研發(fā)人員：張勇,蔣錫良,夏波
受保護(hù)的技術(shù)使用者：湖北信安通科技有限責(zé)任公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2