本发明专利技术实施例提供一种基于压缩感知的自适应图像对抗样本检测与防御方法及装置，所述方法包括：当图像分类系统接收到目标图像时，计算目标图像的信息熵，根据信息熵确定目标图像的分辨率类型;根据分辨率类型对目标图像进行色深压缩，得到预处理图像，通过下游图像分类模型分别对目标图像及预处理图像进行类别检测；对比目标图像类别及预处理图像类别，相同时将目标图像作为图像输入；不相同时，根据分辨率类型确定对应的稀疏度，根据目标图像及稀疏度构建对应的稀疏矩阵，结合压缩感知重建算法进行信号重建，得到重建图像，并将重建图像作为图像输入。采用本方法能够提高智能图像分类系统面对对抗样本攻击的鲁棒性与安全性，检测攻击的准确性。检测攻击的准确性。检测攻击的准确性。
【技术实现步骤摘要】
基于压缩感知的自适应图像对抗样本检测与防御方法
[0001]本专利技术涉及图像安全
，尤其涉及一种基于压缩感知的自适应图像对抗样本检测与防御方法及装置。
技术介绍
[0002]如今智能图像分类系统已经广泛应用于诸如自动驾驶，人脸识别，辅助医疗等各个领域，但针对智能图像分类系统进行攻击的图像对抗样本在近年来发展迅猛，对抗样本攻击利用原始图像设计对抗噪声扰动叠加在原始图像上形成人眼难以鉴别的图像对抗样本误导智能图像分类系统使其产生误判，严重威胁到智能图像分类系统在实际应用中的安全性。
[0003]针对上述情况，目前的分类系统在进行图像分类时，可能因为样本攻击，导致智能图像分类系统的安全性受到威胁，因此，如何在智能图像分类系统工作时，提高智能图像分类系统检测攻击的准确性，工作时的安全性和鲁棒性，是目前亟需解决的问题。
技术实现思路
[0004]针对现有技术中存在的问题，本专利技术实施例提供一种基于压缩感知的自适应图像对抗样本检测与防御方法及装置。
[0005]本专利技术实施例提供一种基于压缩感知的自适应图像对抗样本检测与防御方法，包括：当图像分类系统接收到目标图像时，获取图像信息，根据所述图像信息计算所述目标图像的信息熵，并对比所述信息熵与预设阈值，根据对比结果确定所述目标图像的分辨率类型，所述分辨率类型包括：低分辨率图像，中分辨率图像与高分辨率图像;根据所述分辨率类型，对所述目标图像进行对应的色深压缩，得到预处理图像，并通过下游图像分类模型分别对目标图像及预处理图像进行类别检测，得到目标图像对应的目标图像类别，及预处理图像对应的预处理图像类型；对比所述目标图像类别及预处理图像类别，当所述目标图像类别及预处理图像类别相同时，则将所述目标图像作为所述智能分类系统的图像输入；当所述目标图像类别及预处理图像类别不相同时，根据所述分辨率类型确定对应的稀疏度，根据所述目标图像及稀疏度构建对应的稀疏矩阵；通过所述稀疏矩阵对所述目标图像进行稀疏采样过滤，得到所述目标图像的降采样信号，并通过预设的压缩感知重建算法对所述降采样信号进行信号重建，得到所述重建图像，并将所述重建图像作为所述智能分类系统的图像输入。
[0006]在其中一个实施例中，所述图像信息，包括：目标图像大小、目标图像像素值、像素值出现频率、像素值出现概率；所述根据图像信息计算所述目标图像的信息熵，包括：
其中，为目标图像大小,X为目标图像像素值，为像素值的出现频率，为像素值的出现概率。
[0007]在其中一个实施例中，所述方法还包括：在其中一个实施例中，所述方法还包括：其中，为目标图像的色深，Max_Value为色深下所允许存在的最大像素值数量，为目标图像像素值，I为原始图像，CI为色深压缩后的图像，int( )为四舍五入取整操作。
[0008]在其中一个实施例中，所述方法还包括：对所述目标图像进行标准化处理，所述标准化处理包括：目标图像灰度化、目标图像去噪、目标图像大小标准化。
[0009]在其中一个实施例中，所述方法还包括：判断所述总能耗以及生产线中的所有能耗因子对应的因子能耗是否处于正常数据范围；当所述总能耗以及生产线中的所有能耗因子对应的因子能耗中存在能耗数据不处于正常数据范围时，输出对应的报警信息。
[0010]本专利技术实施例提供一种基于压缩感知的自适应图像对抗样本检测与防御装置，包括：分辨率确定模块，用于当图像分类系统接收到目标图像时，获取图像信息，根据所述图像信息计算所述目标图像的信息熵，并对比所述信息熵与预设阈值，根据对比结果确定所述目标图像的分辨率类型，所述分辨率类型包括：低分辨率图像，中分辨率图像与高分辨率图像;色深压缩模块，用于根据所述分辨率类型，对所述目标图像进行对应的色深压缩，得到预处理图像，并通过下游图像分类模型分别对目标图像及预处理图像进行类别检测，得到目标图像对应的目标图像类别，及预处理图像对应的预处理图像类型；对比模块，用于对比所述目标图像类别及预处理图像类别，当所述目标图像类别及预处理图像类别相同时，则将所述目标图像作为所述智能分类系统的图像输入；稀疏矩阵构建模块，用于当所述目标图像类别及预处理图像类别不相同时，根据所述分辨率类型确定对应的稀疏度，根据所述目标图像及稀疏度构建对应的稀疏矩阵；重建模块，用于通过所述稀疏矩阵对所述目标图像进行稀疏采样过滤，得到所述目标图像的降采样信号，并通过预设的压缩感知重建算法对所述降采样信号进行信号重
建，得到所述重建图像，并将所述重建图像作为所述智能分类系统的图像输入。
[0011]在其中一个实施例中，所述装置还包括：第二色深压缩模块，用于根据所述分辨率类型，确定所述目标图像对应的色深，并结合所述目标图像像素值进行对应的色深压缩，得到预处理图像。
[0012]在其中一个实施例中，所述装置还包括：标准化处理模块，用于对所述目标图像进行标准化处理，所述标准化处理包括：目标图像灰度化、目标图像去噪、目标图像大小标准化。
[0013]本专利技术实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述基于压缩感知的自适应图像对抗样本检测与防御方法的步骤。
[0014]本专利技术实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述基于压缩感知的自适应图像对抗样本检测与防御方法的步骤。
[0015]本专利技术实施例提供的一种基于压缩感知的自适应图像对抗样本检测与防御方法及装置，当图像分类系统接收到目标图像时，获取图像信息，根据图像信息计算目标图像的信息熵，并对比信息熵与预设阈值，根据对比结果确定目标图像的分辨率类型;根据分辨率类型，对目标图像进行对应的色深压缩，得到预处理图像，并通过下游图像分类模型分别对目标图像及预处理图像进行类别检测，得到目标图像对应的目标图像类别，及预处理图像对应的预处理图像类型；对比目标图像类别及预处理图像类别，当目标图像类别及预处理图像类别相同时，则将目标图像作为智能分类系统的图像输入；当目标图像类别及预处理图像类别不相同时，根据分辨率类型确定对应的稀疏度，根据目标图像及稀疏度构建对应的稀疏矩阵；通过稀疏矩阵对目标图像进行稀疏采样过滤，得到目标图像的降采样信号，并通过预设的压缩感知重建算法对降采样信号进行信号重建，得到重建图像，并将重建图像作为智能分类系统的图像输入。这样能够基于图像信息熵自适应选择最优化参数使用色深压缩进行对抗样本检测，对检测出的图像对抗样本使用压缩感知重建技术进行防御，提高智能图像分类系统面对对抗样本攻击的鲁棒性与安全性，检测攻击的准确性。
附图说明
[0016]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0017]图1为本专利技术实施例中一种基于压缩感知的自适本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于压缩感知的自适应图像对抗样本检测与防御方法，其特征在于，包括：当图像分类系统接收到目标图像时，获取图像信息，根据所述图像信息计算所述目标图像的信息熵，并对比所述信息熵与预设阈值，根据对比结果确定所述目标图像的分辨率类型，所述分辨率类型包括：低分辨率图像，中分辨率图像与高分辨率图像;根据所述分辨率类型，对所述目标图像进行对应的色深压缩，得到预处理图像，并通过下游图像分类模型分别对目标图像及预处理图像进行类别检测，得到目标图像对应的目标图像类别，及预处理图像对应的预处理图像类型；对比所述目标图像类别及预处理图像类别，当所述目标图像类别及预处理图像类别相同时，则将所述目标图像作为智能分类系统的图像输入；当所述目标图像类别及预处理图像类别不相同时，根据所述分辨率类型确定对应的稀疏度，根据所述目标图像及稀疏度构建对应的稀疏矩阵；通过所述稀疏矩阵对所述目标图像进行稀疏采样过滤，得到所述目标图像的降采样信号，并通过预设的压缩感知重建算法对所述降采样信号进行信号重建，得到重建图像，并将所述重建图像作为所述智能分类系统的图像输入。2.根据权利要求1所述的基于压缩感知的自适应图像对抗样本检测与防御方法，其特征在于，所述图像信息，包括：目标图像大小、目标图像像素值、像素值出现频率、像素值出现概率；所述根据图像信息计算所述目标图像的信息熵，包括：所述根据图像信息计算所述目标图像的信息熵，包括：其中，为目标图像大小,X为目标图像像素值，为像素值的出现频率，为像素值的出现概率。3.根据权利要求2所述的基于压缩感知的自适应图像对抗样本检测与防御方法，其特征在于，所述根据所述分辨率类型，对所述目标图像进行对应的色深压缩，得到预处理图像，包括：根据所述分辨率类型，确定所述目标图像对应的色深，并结合所述目标图像像素值进行对应的色深压缩，得到预处理图像。4.根据权利要求3所述的基于压缩感知的自适应图像对抗样本检测与防御方法，其特征在于，所述确定所述目标图像对应的色深，并结合所述目标图像像素值进行对应的色深压缩，得到预处理图像，包括：压缩，得到预处理图像，包括：其中，为目标图像的色深，Max_Value为色深下所允许存在的最大像素值数量，为
目标图像像素值，I为原始图像，CI为色深压缩后的图像，int( )为四舍五入取整操作。5.根据权利要求1所述的基于压缩感知的自适应图像对抗样本检测与防御方法，其特征...
【专利技术属性】
技术研发人员：陈艳姣，徐文渊，周勃阳，程雨诗，
申请(专利权)人：杭州涿溪脑与智能研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。