融合改进U-NET和生成对抗网络的对抗防御模型
莫芮林
广东工业大学计算机学院 广州 510006
摘要：针对现有对抗防御方法存在泛化性较弱、对图像去噪和提取特征能力不足等问题,提出一种融合改进U-NET和生成对抗网络的攻击防御模型DAU-NET-GAN.通过在U-NET下采样过程中交替引入通道注意力机制和非局部均值滤波器,尽可能减少对抗样本中微小扰动对图像造成的影响,提高模型对图像关键特征的提取能力,并在生成网络的跳跃连接部分加入软注意机制,在避免特征冗余的同时,实现对对抗样本的重建.模型在训练过程中使用GCE损失函数替换交叉熵损失函数,提高了模型对对抗样本的鲁棒性.实验结果表明,论文提出的模型能有效防御多种攻击产生的对抗样本,在MNIST和CIFAR10数据集上的防御成功率最高可达到98.96%和83.88%,且具有良好的通用防御效果.
关键词：深度神经网络生成对抗网络对抗攻击对抗防御
分类号：TP391(计算技术、计算机技术)
资助基金：广州市重点领域研发计划项目(202007010004)
论文发表日期：2025-11-20
在线出版日期：2026-01-28（本平台首次上网日期，不代表文献的发表时间）
页数：6( 3168-3173 )
英文信息