计算机科学与探索

作者：王曙燕, 金航, 孙家泽

单位：西安邮电大学 计算机学院，西安 710121

关键词：神经网络,对抗样本,生成对抗网络（GAN）,模型蒸馏,图像多样性

为了提高生成对抗网络模型对抗样本的多样性和攻击成功率，提出了一种GAN图像对抗样本生成方法。首先，利用原始样本集整体训练一个深度卷积对抗生成网络G1，模拟原始样本集分布；其次，在黑盒攻击场景下，利用模型蒸馏方法对目标模型进行黑盒复制，获取目标模型的本地复制；然后以G1的输出作为输入，以蒸馏模型作为目标模型，训练生成对抗网络G2，在有目标攻击情况下还需输入目标类别，G2用以生成输入数据针对目标类别的扰动；最后将样本与扰动相加并以像素灰度值区间进行规范化，得到对抗样本。实验结果表明，在相同输入条件下该方法产生图像对抗样本平均SSIM指标、MI指标和Cosin相似度分别降低50.7%、10.96%和28.7%，平均均方误差值（MSE）和图像指纹的海明距离分别提升7.6%和1 974.80，同时MNIST数据集和CIFAR10数据集下模型平均攻击成功率在95%以上。

来源：2021年第4期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2021年第4期