面向特征图注意力机制的对抗攻击防御方法及应用

摘要

本发明公开了一种面向注意力机制的对抗攻击防御方法，包括以下步骤：(1)采用注意力机制提取目标轮廓的轮廓特征，并且基于轮廓特征加入微小的扰动量，获得对抗样本，再通过动量迭代的方式优化扰动变量以更新对抗样本，从而实现对深度模型的对抗攻击；(2)利用对抗样本基于多强度对抗训练策略对深度模型进行对抗训练，以实现深度模型对对抗攻击的防御。该方法提高了分类器对对抗样本攻击的鲁棒性和泛化能力，从而使得分类器更加可靠、稳定，提高深度学习模型在实际应用过程中的安全性。还公开了一种面向注意力机制的对抗攻击防御方法在图像分类中的应用。