防御对抗攻击的自适应去噪机器学习应用方法技术

本发明专利技术属于机器学习、图像识别技术领域，为消除灰度图像中的大多数敌对干扰，以保证机器学习图像识别质量，本发明专利技术，机器学习系统中防御对抗攻击的自适应去噪方法,步骤如下：计算图像熵：将图片转换为灰度图，并计算图像的熵值，若熵值大于设定的阈值则说明该图片可能存在对抗扰动，若熵值小于设定的阈值则不进行处理；利用自适应标量量化算法对扰动图片进行处理，选取滤波器和滤波函数对图像进行去噪处理；利用快速三维块匹配算法FastBM3D对图像质量进行优化；将图片输入至神经网络中进行处理。本发明专利技术主要应用于目标、图像自动识别场合。图像自动识别场合。图像自动识别场合。

【技术实现步骤摘要】
Quantization)和快速三维块匹配算法(Fast Block Matching and 3D Filtering，简称FastBM3D)算法的自适应去噪框架ASQ
‑
FastBM3D。ASQ算法和FastBM3D算法，可以消除灰度图像中的大多数敌对干扰，以保证机器学习系统的质量。为此，本专利技术采取的技术方案是，机器学习系统中防御对抗攻击的自适应去噪方法,步骤如下：
[0008]计算图像熵：将图片转换为灰度图，并计算图像的熵值，若熵值大于设定的阈值则说明该图片可能存在对抗扰动，若熵值小于设定的阈值则不进行处理；
[0009]利用自适应标量量化算法对扰动图片进行处理，选取滤波器和滤波函数对图像进行去噪处理；
[0010]利用快速三维块匹配算法FastBM3D对图像质量进行优化；
[0011]将图片输入至神经网络中进行处理。
[0012]计算图像熵具体步骤：
[0013]对于8位灰度图像，将图像熵定义为等式
[0014][0015]p
i
表示图像中像素与值i的比例，设置T
e
...

【技术保护点】

【技术特征摘要】
1.一种机器学习系统中防御对抗攻击的自适应去噪方法，其特征是，步骤如下：计算图像熵：将图片转换为灰度图，并计算图像的熵值，若熵值大于设定的阈值则说明该图片可能存在对抗扰动，若熵值小于设定的阈值则不进行处理；利用自适应标量量化算法对扰动图片进行处理，选取滤波器和滤波函数对图像进行去噪处理；利用快速三维块匹配算法FastBM3D对图像质量进行优化；将图片输入至神经网络中进行处理。2.如权利要求1所述的机器学习系统中防御对抗攻击的自适应去噪方法，其特征是，计算图像熵具体步骤：对于8位灰度图像，将图像熵定义为等式：p
i
表示图像中像素与值i的比例，设置T
e
的阈值，对于图像熵值高于T
e
的，对其进行去噪。利用自适应标量量化算法对扰动图片进行处理：自适应标量量化的原理是设置卷积滤波器和阈值T
e
。然后使用卷积滤波器扫描图像中的每个像素。对于卷积滤波器中的每个像素值x，如果x小于阈值T
e
，则直接将其设置为0；如果x大于阈值T
e
，它将由过滤函数f(x)计算。对于过滤函数f(x)，可采用如下三种函数中的一种：(1)...

【专利技术属性】
技术研发人员：韩正博，许光全，冯美琪，杨张妍，
申请(专利权)人：天津大学，
类型：发明
国别省市：