技術(shù)特征：

1.一種深度神經(jīng)網(wǎng)絡(luò)投毒攻擊方法，其特征在于，具體按照以下步驟實(shí)施：

2.根據(jù)權(quán)利要求1所述的一種深度神經(jīng)網(wǎng)絡(luò)投毒攻擊方法，其特征在于，步驟1中，所述雙層疊加耦合多注意力卷積網(wǎng)絡(luò)的結(jié)構(gòu)具體為：

3.根據(jù)權(quán)利要求2所述的一種深度神經(jīng)網(wǎng)絡(luò)投毒攻擊方法，其特征在于，利用雙層疊加耦合多注意力卷積網(wǎng)絡(luò)生成疊加耦合特征圖的具體過程為：

4.根據(jù)權(quán)利要求1所述的一種深度神經(jīng)網(wǎng)絡(luò)投毒攻擊方法，其特征在于，步驟1中，預(yù)訓(xùn)練使用的損失函數(shù)的定義為：

5.根據(jù)權(quán)利要求1所述的一種深度神經(jīng)網(wǎng)絡(luò)投毒攻擊方法，其特征在于，步驟2中，將疊加耦合特征圖從一維擴(kuò)充為三維，具體的擴(kuò)維步驟如下：

6.根據(jù)權(quán)利要求1所述的一種深度神經(jīng)網(wǎng)絡(luò)投毒攻擊方法，其特征在于，步驟2中，所述擾動(dòng)篩選網(wǎng)絡(luò)的結(jié)構(gòu)為：

7.根據(jù)權(quán)利要求6所述的一種深度神經(jīng)網(wǎng)絡(luò)投毒攻擊方法，其特征在于，利用擾動(dòng)篩選網(wǎng)絡(luò)對(duì)疊加耦合特征圖進(jìn)行篩選的具體過程如下：

8.根據(jù)權(quán)利要求1所述的一種深度神經(jīng)網(wǎng)絡(luò)投毒攻擊方法，其特征在于，步驟2中，在得到疊加耦合特征圖的置信度后，利用提取損失函數(shù)更新雙層疊加耦合多注意力卷積網(wǎng)絡(luò)的權(quán)重，使網(wǎng)絡(luò)后續(xù)提取的疊加耦合特征圖可以包含更多圖像關(guān)鍵特征，所述提取損失函數(shù)的定義為：

技術(shù)總結(jié)
本發(fā)明屬于投毒攻擊方法技術(shù)領(lǐng)域，公開了一種深度神經(jīng)網(wǎng)絡(luò)投毒攻擊方法，構(gòu)建雙層疊加耦合多注意力卷積網(wǎng)絡(luò)，利用干凈的目標(biāo)數(shù)據(jù)集對(duì)該網(wǎng)絡(luò)進(jìn)行預(yù)訓(xùn)練，再使用預(yù)訓(xùn)練后的網(wǎng)絡(luò)提取圖像特征圖，并根據(jù)特征圖中所含圖像關(guān)鍵特征的數(shù)量生成相應(yīng)的權(quán)重向量，再對(duì)這些特征進(jìn)行加權(quán)融合生成疊加耦合特征圖；構(gòu)建擾動(dòng)篩選網(wǎng)絡(luò)，將疊加耦合特征圖擴(kuò)維后放入擾動(dòng)篩選網(wǎng)絡(luò)中，得到其置信度，并篩選出置信度最高的疊加耦合特征圖，將其作為擾動(dòng)與干凈圖像拼接，生成中毒樣本；在每類圖像中選擇一張置信度最高的疊加耦合特征圖作為擾動(dòng)添加到另一類圖像中，生成中毒數(shù)據(jù)集。本發(fā)明方法解決了現(xiàn)有投毒攻擊方法存在的中毒樣本生成過程繁瑣、脆弱性較高的問題。

技術(shù)研發(fā)人員：于振華,李江濤,房巖偉,葉鷗,侯銳志,崔鍇華
受保護(hù)的技術(shù)使用者：西安科技大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/26