一种利用隐写术构建不可学样本的方法技术

本发明专利技术涉及一种利用隐写术构建不可学样本的方法，属于数据隐私领域，包括步骤1：选取数据样本，建立训练集和测试集；步骤2：训练获取隐写网络的编码器；步骤3：对数据样本进行分类，并对每类数据样本进行训练扰动；步骤4：将原始图像转换为不可学样本。该利用隐写术构建不可学样本的方法，通过引入了影子模型，扰乱隐写编码器生成的图像特征，提高不可学样本的效果，通过对扰动和自监督学习模型的双重最小优化为原始图像训练扰动，利用扰动和隐写编码器将原始图像转换为不可学样本，通过隐写术从原始图像中插入长度为L的扰动形成的，减少了需要训练的参数，同样，不可学样本也能够拥有更好的隐蔽性。

【技术实现步骤摘要】

本专利技术涉及数据隐私，具体为一种利用隐写术构建不可学样本的方法。

技术介绍

1、近年来，研究者发现数据中毒和对抗攻击等虽然是攻击方法，能够威胁模型的性能和安全性。然而，换一个角度同样可以作为一种保护方法，保护隐私数据的安全。最近，不可学样本的概念被提出，这是一种保护数据的方法。不可学样本为私有图像提供一种误差最小化的噪声，使得一个或者多个训练样本的损失接近于零。这可以欺骗模型相信这些样本中“没有什么”可以学习，从而达到保护的目的。噪声被限制为人眼难以察觉的，因此不影响正常的图像使用。

2、隐写术，它的目的在于将秘密信息嵌入到其他非明显可见的载体中，例如图像、音频、视频等，而不引起外界的怀疑，与加密技术不同，隐写术不是将信息加密，而是将其隐藏在另一种形式的数据中，使得除了预期的接收者外，其他人无法察觉或识别隐藏的信息，目前，隐写术已经被应用于后门攻击和对抗扰动，使得攻击更加难以被发现，因此，有必要探索将隐写术应用于不可学样本，提高不可学样本的隐蔽性和保护效果。

3、针对有监督学习出来的不可学样本，现有针对自监督学习的不可学样本方法，本文档来自技高网...

【技术保护点】

1.一种利用隐写术构建不可学样本的方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种利用隐写术构建不可学样本的方法，其特征在于，步骤1中，数据集为图像数据，在数据集中随机选择12类，每类1300张图片，分为训练集12*1000张和测试集12*300张，其中，50000张训练集，10000张测试集，训练集用于训练模型网络和扰动，测试集测试训练效果。

3.根据权利要求2所述的一种利用隐写术构建不可学样本的方法，其特征在于，步骤2包括：

4.根据权利要求3所述的一种利用隐写术构建不可学样本的方法，其特征在于，步骤2中，编码器：主要由两种卷积构成，...

【技术特征摘要】

1.一种利用隐写术构建不可学样本的方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种利用隐写术构建不可学样本的方法，其特征在于，步骤1中，数据集为图像数据，在数据集中随机选择12类，每类1300张图片，分为训练集12*1000张和测试集12*300张，其中，50000张训练集，10000张测试集，训练集用于训练模型网络和扰动，测试集测试训练效果。

3.根据权利要求2所述的一种利用隐写术构建不可学样本的方法，其特征在于，步骤2包括：

4.根据权利要求3所述的一种利用隐写术构建不可学样本的方法，其特征在于，步骤2中，编码器：主要由两种卷积构成，普通卷积和特殊卷积，特殊卷积由卷积、标准化和激活函数构成，多个特殊卷积连接成一个卷积处理模块；

5.根据权利要求3所述的一种利用隐写术构建不可学样本的...

【专利技术属性】
技术研发人员：张益健，陆小锋，孙广玲，
申请(专利权)人：上海大学，
类型：发明
国别省市：