一种抵御遥感检测对抗样本攻击的防御方法技术

本发明专利技术公开一种抵御遥感检测对抗样本攻击的防御方法，属于计算

【技术实现步骤摘要】
一种抵御遥感检测对抗样本攻击的防御方法


[0001]本专利技术涉及遥感检测安全性技术，尤其涉及一种面对遥感图像对抗样本欺诈攻击的神经网络模型鲁棒性提升方法，具体公开一种抵御遥感检测对抗样本攻击的防御方法，属于计算
、
推算或计数的

。

技术介绍

[0002]随着深度学习技术的发展，遥感检测从传统的检测方法向基于深度学习的检测方法发展，但深度神经网络容易受到对抗样本的攻击，即深度神经网络在对抗样本的攻击下是脆弱的，对抗样本的发展使其可以在物理域展开攻击，这对遥感检测造成了巨大的威胁
。
对抗样本攻击以对抗样本块的形式展开，表现为利用对抗样本块附着在检测目标上或检测目标附近以躲避检测器对检测目标的检测，甚至可以误导检测目标的检测结果
。
敌对方利用该技术可以使利用深度学习技术的遥感检测在检测目标时检测失效，这对如战场目标检测
、
城市车辆跟踪
、
航空飞机检测等目标检测技术造成了巨大的威胁，对民生领域造成巨大的经济损失对国家安全造成重大威胁
。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种抵御遥感检测对抗样本攻击的防御方法，其特征在于，该方法主要应用在基于深度学习技术的遥感检测领域，其目的在于抵御对抗样本对遥感检测的欺诈与攻击，如利用对抗样本块附着在检测目标上以躲避或误导利用基于深度学习的遥感检测技术对目标的检测，本发明是一种针对该情况的防御方法，可以有效还原基于深度学习技术的遥感检测方法在对抗样本欺诈攻击下的检测性能
。2.
一种抵御遥感检测对抗样本攻击的防御方法，其特征在于包含如下操作步骤：在进行遥感目标检测识别前，先求取输入图像的梯度图像，利用梯度图像进行互消除与图像处理操作来对对抗样本块进行定位；将定位到的对抗样本块进行剔除，利用图像补全操作对剔除的区域进行修复；由于图像补全引起的弱特征遮挡采用
Random Erasing
算法对检测器模型进行数据增广；利用图像补全后的图像作为用
Random Erasing
数据增广算法训练的检测器的输入对待检测遥感图像进行鲁棒检测
。3.
根据权利要求2所述一种抵御遥感检测对抗样本攻击的防御方法操作步骤，其特征在于，对抗样本定位方法中，首先计算图像的一阶梯度，梯度图的计算是分别在
RGB
三通道上进行，将梯度图归一化至
[0
，
1]
，利用三个通道的梯度图像进行互消除操作得到消除后的梯度图像；将互消除后的梯度图像进行显著性增强，用来降低背景噪声提升对抗样本块显著性，显著性增强后的梯度图记为
g(x)
e
，最后利用图像处理方法对对抗样本块进行定位
。4.
根据权利要求3所述的对抗样本定位方法，其特征在于，所叙图像处理方法对
g(x)
e
中存在的对抗样本块进行定位的具体方法为：对
g(x)
e
进行手动阈值分割，选...

【专利技术属性】
技术研发人员：薛伟，陈志明，吴云华，华冰，田玮玮，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：