| 基于圖像降噪的集成對(duì)抗防御模型研究 | |
| 所屬分類(lèi)：技術(shù)論文 | |
| 上傳者：zhoubin333 | |
| 文檔大?。?span>1561 K | |
| 標(biāo)簽： 對(duì)抗樣本 集成學(xué)習(xí) 降噪自動(dòng)編碼器 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：深度學(xué)習(xí)的快速發(fā)展使其在圖像識(shí)別、自然語(yǔ)言處理等諸多領(lǐng)域廣泛應(yīng)用。但是，學(xué)者發(fā)現(xiàn)深度神經(jīng)網(wǎng)絡(luò)容易受到對(duì)抗樣本的欺騙，使其以較高置信度輸出錯(cuò)誤結(jié)果。對(duì)抗樣本的出現(xiàn)給對(duì)安全性要求嚴(yán)格的系統(tǒng)帶來(lái)很大威脅。研究了在低層特征（LowLevel Feature）和高層特征（HighLevel Feature）對(duì)圖像進(jìn)行降噪以提升模型防御性能。在低層訓(xùn)練一個(gè)降噪自動(dòng)編碼器，并采用集成學(xué)習(xí)的思路將自動(dòng)編碼器、高斯擾動(dòng)和圖像掩碼重構(gòu)等多種方式結(jié)合；高層對(duì)ResNet18作微小改動(dòng)加入均值濾波。實(shí)驗(yàn)顯示，所提出的方法在多個(gè)數(shù)據(jù)集的分類(lèi)任務(wù)上有較好的防御性能。 | |
| 現(xiàn)在下載 | |
| VIP會(huì)員，AET專(zhuān)家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。 | |
zhoubin333 的最新分享
- 基于雙模單包授權(quán)的公路零信任安全應(yīng)用研究*
- 基于區(qū)塊鏈的法檢司數(shù)據(jù)安全共享技術(shù)研究*
- 揭開(kāi)“算法的面紗”：關(guān)于構(gòu)建算法解釋框架的思考
- 企業(yè)“數(shù)據(jù)池”的商業(yè)秘密保護(hù)路徑探究
- 注意力經(jīng)濟(jì)下陪伴式人工智能平臺(tái)的侵權(quán)責(zé)任
- 數(shù)據(jù)抓取行為競(jìng)爭(zhēng)法規(guī)制中的利益衡量研究
- 基于同態(tài)的多對(duì)多電子投票方案設(shè)計(jì)*
- 基于策略和屬性隱藏的區(qū)塊鏈訪問(wèn)控制方法研究
Copyright ? 2005-2024 華北計(jì)算機(jī)系統(tǒng)工程研究所版權(quán)所有 京ICP備10017138號(hào)-2