【技术实现步骤摘要】
本申请涉及计算机网络，特别是涉及一种基于关键帧的视频对抗仿真攻击方法、系统、计算机设备、存储介质和计算机程序产品。
技术介绍
1、在图像领域中目前越来越多采用深度神经网络来进行分类识别，通过这种方式可以显著提升视频分类识别的效率与准确性。随着应用于视频分类的深度神经网络越来越多，对这些多种多样的深度神经网络进行对抗攻击也成为了迫切的需求。
2、在对深度神经网络进行安全性对抗训练时，一般是通过对抗性攻击方式进行。具体来说对抗攻击就是为了增强深度学习模型的鲁棒性和安全性，在实际应用中有助于保护模型免受恶意攻击和误导，具体的好处有：1.安全性增强：通过对抗训练和测试，可以提高深度学习模型对对抗性攻击的鲁棒性，使得模型更难受到欺骗。2.鲁棒性测试：通过对抗攻击对模型进行测试，可以评估模型在面对异常输入时的表现，有助于发现模型的薄弱点并改进模型的鲁棒性。3.对抗样本生成：对抗攻击可以帮助生成对抗样本，用于对模型进行对抗训练，从而增强模型的鲁棒性。4.对抗防御：研究视频对抗攻击可以促进对抗防御技术的发展，有助于提高深度学习模型在实际应用...
【技术保护点】
1.一种基于关键帧的视频对抗仿真攻击方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于融合特征对视频分类模型中的分类器进行对抗攻击之后，还包括：
3.根据权利要求1所述的方法，其特征在于，所述提取原始视频中的关键帧包括：
4.根据权利要求1所述的方法，其特征在于，所述识别所述关键帧中的关键区域包括：
5.根据权利要求1所述的方法，其特征在，所述基于所述关键区域生成扰动，得到扰动视频包括：
6.根据权利要求1所述的方法，其特征在于，所述分别提取所述原始视频和所述扰动视频中的特征...
【技术特征摘要】
1.一种基于关键帧的视频对抗仿真攻击方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于融合特征对视频分类模型中的分类器进行对抗攻击之后，还包括：
3.根据权利要求1所述的方法，其特征在于，所述提取原始视频中的关键帧包括：
4.根据权利要求1所述的方法，其特征在于，所述识别所述关键帧中的关键区域包括：
5.根据权利要求1所述的方法，其特征在，所述基于所述关键区域生成扰动，得到扰动视频包括：
6.根据权利要求1所述的方法，其特征在于，所述分别提取所述原始视频和所述扰动视频中的特征，...
【专利技术属性】
技术研发人员：李肯立，李梓雯，蔡宇辉，周旭，杨圣洪，余思洋，段明星，吴帆，秦云川，
申请(专利权)人：湖南大学，
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。