基于FGSM的对抗样本生成算法 |
| |
引用本文: | 汤家军,王忠.基于FGSM的对抗样本生成算法[J].计算机技术与发展,2023(3):105-109. |
| |
作者姓名: | 汤家军 王忠 |
| |
作者单位: | 中国人民解放军火箭军工程大学基础部 |
| |
基金项目: | 国家自然科学基金委员会,青年科学基金项目(62103432); |
| |
摘 要: | 近年来,深度学习算法在各个领域都取得了极大的成功,给人们的生活带来了极大便利。然而深度神经网络由于其固有特性,用于分类任务时,存在不稳定性,很多因素都影响着分类的准确性,尤其是对抗样本的干扰,通过给图片加上肉眼不可见的扰动,影响分类器的准确性,给深度神经网络带来了极大的威胁。通过对相关对抗样本的研究,该文提出一种基于白盒攻击的对抗样本生成算法DCI-FGSM(Dynamic Change Iterative Fast Gradient Sign Method)。通过动态更新梯度及噪声幅值,可以防止模型陷入局部最优,提高了生成对抗样本的效率,使得模型的准确性下降。实验结果表明,在MINIST数据集分类的神经网络攻击上DCI-FGSM取得了显著的效果,与传统的对抗样本生成算法FGSM相比,将攻击成功率提高了25%,具有更高的攻击效率。
|
关 键 词: | 深度学习 不稳定性 白盒攻击 对抗样本 对抗攻击 |
|
|