一种基于曲率距离与硬具体分布的对抗点云生成方法、系统、存储介质及终端技术方案

本发明专利技术公开了一种基于曲率距离与硬具体分布的对抗点云生成方法、系统、存储介质及终端，属于可信人工智能领域，方法包括：使用神经网络提取所述点云的特征；根据提取的特征分别生成扰动和攻击点，其中，通过生成扰动神经网络生成扰动，通过硬具体分布生成攻击点；将所述扰动施加于所述攻击点生成对抗点云，其中，使用包含曲率距离的损失函数规约所述对抗点云的生成。本发明专利技术通过神经网络生成点云，节省时间，通过选择攻击点，节约计算资源，提升生成对抗点云的效率，同时，利用曲率约束整个生成过程，提升生成对抗点云的不可感知性。提升生成对抗点云的不可感知性。提升生成对抗点云的不可感知性。

【技术实现步骤摘要】
一种基于曲率距离与硬具体分布的对抗点云生成方法、系统、存储介质及终端


[0001]本专利技术涉及可信人工智能领域，尤其涉及一种基于曲率距离与硬具体分布的对抗点云生成方法、系统、存储介质及终端。

技术介绍

[0002]随着经济生产力发展，生活水平日益提高，基于点云的深度学习技术逐渐走近大众生活；基于虚拟现实的游戏、工作、乃至元宇宙等。自动驾驶也加入基于点云的深度学习作为辅助工具。但是，由于对点云的大规模应用，点云的深度学习的安全性问题也越发暴露。点云的深度学习容易受到来自外界的攻击(生成对抗攻击)。在系统的数据接收部分若接收到生成对抗攻击所生成的生成对抗点云，点云的深度学习将会完全失去效果甚至起到反效果。
[0003]以无人驾驶汽车为例，无人汽车的自动驾驶技术主要分为三大部分：感知、决策和控制。感知模块为其决策和控制提供了重要依据。然而，由于现有传感器的感知能力有限，极易被外界客观物理因素影响，从而导致无人驾驶汽车的感知系统被误导，进而作出错误的判断。当前主流无人车主要的感知模块就是激光雷达，因此对于激光雷达的感知攻防是十分有意义的。...

【技术保护点】

【技术特征摘要】
1.一种基于曲率距离与硬具体分布的对抗点云生成方法，其特征在于，所述方法包括以下步骤：S1、获取点云；S2、使用神经网络提取所述点云的特征；S3、根据提取的特征分别生成扰动和攻击点，其中，通过生成扰动神经网络生成扰动，通过硬具体分布生成攻击点；S4、将所述扰动施加于所述攻击点生成对抗点云，其中，使用包含曲率距离的损失函数规约所述对抗点云的生成。2.根据权利要求1所述的一种基于曲率距离与硬具体分布的对抗点云生成方法，其特征在于，所述步骤S2包括：S21、随机采样点云至1024个点的点云p；S22、通过1乘1卷积计算所述点云p，得到经过卷积迭代后的特征t，所述特征t计算公式为：t＝1*1conv(p)；S23、对迭代后的特征t进行最远距离采样，并采样至迭代后的特征t的二分之一数量，得到采样后的特征t
’
，所述采样后的特征t
’
＝FPS(t)，FPS表示最远距离采样；S24、以采样后的特征t
’
为中心，相对于所述迭代后的特征t，使用最近邻采样聚类处理采样后的特征t
’
，得到聚类后的采样特征jt；S25、对聚类后的采样特征jt中每一个聚类，使用最大值池化计算每一个聚类的特征，得到具有局部特征的点云p
’
，所述p
’
＝maxpooling(cluster(jt))；S26、将具有局部特征的点云p
’
作为S22的点云，重复S22
‑
S25三次，分别得到点云p”、点云p
”’
、点云p
””
；S27、将所述点云p
’
、点云p”、点云p
”’
、点云p
””
进行拼接，得到最终提取的特征a。3.根据权利要求2所述的一种基于曲率距离与硬具体分布的对抗点云生成方法，其特征在于，所述步骤S3中根据提取的特征生成扰动，包括：S31、使用全连接网络计算最终提取的特征a，得到进一步迭代后的特征；S32、使用S31中迭代后的特征通过最大池化计算得到扰动offset。4.根据权利要求2所述的一种基于曲率距离与硬具体分布的对抗点云生成方法，其特征在于，所述步骤S3中根据提取的特征生成攻击点，包括：S33、生成参数u和参数β，其中参数u服从0
‑
1的均匀分布，参数β＝0.99，根据如下公式计算生成中间变量t：t＝(ln(u)+ln(1
‑
u)+ln(a))/β；S34、根据所述中间变量t与自然对数e，经过如下公式计算得到硬混泥土分布s：S35、截取s的值生成mask，使用如下公式将s限制在0
‑
1之间：mask＝min(1，max(0，s))；S36、根据所述S35生成的mask以及所述S21的点云p生成攻击点attackpoints：attackpoints＝m...

【专利技术属性】
技术研发人员：王旭鹏，张梓豪，桑楠，孙博艺，周银源，蔡木目心，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：