【技术实现步骤摘要】
本专利技术属于人工智能安全领域，尤其涉及多模态遥感图像分类任务下的多模态对抗攻击生成方法。
技术介绍
1、随着遥感成像技术和深度学习的不断进步，遥感图像分类作为遥感智能分析中的基础性任务，正不断向精细化和高性能方向发展。该任务的本质是一个像素级的分类问题，通过分析遥感图像中每一个像元的光谱亮度特征以及空间结构关系，为其分配相应的地物类别标签。由于其可为土地利用制图、灾害响应、资源管理与生态保护等多个领域提供关键的地理信息支持，因此已成为遥感应用中最具代表性和价值的专利技术方向之一。
2、随着深度学习的兴起，卷积神经网络等模型被广泛引入遥感图像分类任务中，并在多个公开数据集上取得了显著的性能突破。其强大的特征提取与表达能力，使得遥感图像中复杂的光谱与空间信息得以被充分建模和利用。然而，尽管深度模型在分类精度上取得了长足进展，其鲁棒性问题也日益凸显。研究表明，通过在遥感图像输入中引入人眼难以察觉的微小扰动，即可诱导模型做出错误判断，从而生成对抗样本。此类样本不仅具有高度的欺骗性，而且在实际应用中可能带来严重后果，特别是在目标监控...
【技术保护点】
1.一种基于遥感图像分类任务的多模态协同对抗攻击方法，其特征在于，进行以下步骤：
2.根据权利要求1所述基于遥感图像分类任务的多模态协同对抗攻击方法，其特征在于：所述遥感图像数据为高光谱图像、激光雷达图像和合成孔径雷达图像。
3.根据权利要求1所述基于遥感图像分类任务的多模态协同对抗攻击方法，其特征在于：所述多模态融合遥感图像分类模型采用早期融合、中期融合和/或后期融合策略。
4.根据权利要求1所述基于遥感图像分类任务的多模态协同对抗攻击方法，其特征在于：为各模态构建扰动生成流程时，采用单模态攻击策略和/或多模态攻击策略，其中单模态...
【技术特征摘要】
1.一种基于遥感图像分类任务的多模态协同对抗攻击方法，其特征在于，进行以下步骤：
2.根据权利要求1所述基于遥感图像分类任务的多模态协同对抗攻击方法，其特征在于：所述遥感图像数据为高光谱图像、激光雷达图像和合成孔径雷达图像。
3.根据权利要求1所述基于遥感图像分类任务的多模态协同对抗攻击方法，其特征在于：所述多模态融合遥感图像分类模型采用早期融合、中期融合和/或后期融合策略。
4.根据权利要求1所述基于遥感图像分类任务的多模态协同对抗攻击方法，其特征在于：为各模态构建扰动生成流程时，采用单模态攻击策略和/或多模态攻击策略，其中单模态攻击策略通过独立扰动单一模态数据生成对抗样本，多模态攻击策略通过同时扰动多个模态数据生成对抗样本。
5.根据权利要求1所述基于遥感图像分类任务的多模态协同对抗攻击方法，其特征在于：所述总损失函数是四类约束的加权组合，各约束项权重支持根据攻击任务需求调整。
6.根据权利要求1所述基于遥感图像分类任务的多模态协同对抗攻击方法，其特征在于：所述分布...
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。