改进的Mixup方法定向攻击图像分类模型
朱瑞1
马时平1
何林远1
梅少辉2
1.空军工程大学航空工程学院,西安,7100382.西北工业大学电子信息学院,西安,710129
摘要：针对当前遥感图像分类领域的对抗性示例定向攻击研究较少、黑盒攻击能力较弱的问题,设计了一种改进的Mixup攻击的定向黑盒攻击方法.该方法旨在定向愚弄深度神经网络中的分类模型,发现其漏洞,使己方的高价值目标被检测为低价值或无价值目标.该方法首先是使用图像分类深度学习模型提取图像的浅层全局特征,通过改变输入图像像素,将输入干净图像的浅层特征向目标类图像浅层特征逼近,实现定向攻击.之后,为了提高攻击的迁移性,设计了一种自适应控制迭代步长的方法,提高迭代的效率.同时引入了模型级联的思想,使用多个不同架构的模型同时作为代理模型,使生成的对抗样本兼具多模型特征,提高攻击的迁移性.在多个遥感分类数据集上对多个模型进行测试的结果证明了本文方法的有效性.
关键词：图像分类有目标攻击遥感图像模型级联
分类号：TP751.1(遥感技术)
资助基金：国家自然科学基金(62171381)
论文发表日期：2025-02-24
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：10( 32-41 )
英文信息