基于生成对抗网络的目标检测黑盒迁移攻击算法

目标检测被广泛应用到自动驾驶、工业、医疗等各个领域. 利用目标检测算法解决不同领域中的关键任务逐渐成为主流. 然而基于深度学习的目标检测模型在对抗样本攻击下, 模型的鲁棒性存在严重不足, 通过加入微小扰动构造的对抗样本很容易使模型预测出错. 这极大地限制了目标检测模型在关键安全领域的应用. 在实际应用中的模型普遍是黑盒模型, 现有的针对目标检测模型的黑盒攻击相关研究不足, 存在鲁棒性评测不全面, 黑盒攻击成功率较低, 攻击消耗资源较高等问题. 针对上述问题, 提出基于生成对抗网络的目标检测黑盒攻击算法, 所提算法利用融合注意力机制的生成网络直接输出对抗扰动, 并使用替代模型的损失和所提的类别注意力损失共同优化生成网络参数, 可以支持定向攻击和消失攻击两种场景. 在Pascal VOC数据集和MS COCO数据集上的实验结果表明, 所提方法比目前攻击方法的黑盒迁移攻击成功率更高, 并且可以在不同数据集之间进行迁移攻击.     

黑参甜米酒加工及挥发性成分测定

目的 以黑参和糯米为原料,在米酒传统酿造工艺的基础上加入黑参进行酿制。方法以黑参添加量、甜酒曲添加量、发酵时间、发酵温度进行单因素试验,通过正交试验确定最佳工艺。结果 在黑参添加量为4 %、甜酒曲添加量为2 %、发酵温度30 ℃、发酵时间为72h时的条件下感官评分最高,酒精度为15%vol,其理化指标及微生物指标符合相关标准。所得黑参甜米酒酒香浓郁并伴有黑参特有的香气、口感醇厚、色泽清亮。通过HS-GC-IMS分析,共鉴定出36个挥发性成分,其中成分明确的有29种。其中,酸类3种、烃类2种、醇类6种、酯类3种、酚类1种、醛类9种、酮类5种。结论 以黑参和糯米为原料制备黑参甜米酒,通过对黑参米酒加工工艺的优化,得到适宜的加工条件,通过HS-GC-IMS测定米酒中的挥发性成分,为新型米酒成分的分析提供参考。