(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221071415 0.3 (22)申请日 2022.06.22 (71)申请人 西北工业大 学 地址 710072 陕西省西安市碑林区友谊西 路127号 (72)发明人 邓鑫洋　赵畅菲　蒋雯　 (51)Int.Cl. G06V 10/42(2022.01) G06V 10/74(2022.01) G06V 10/80(2022.01) G06V 10/774(2022.01) G06V 10/776(2022.01) G06V 10/30(2022.01) G06N 3/08(2006.01) (54)发明名称 一种基于图像频域分解重构的对抗样本生 成方法 (57)摘要 本发明公开了一种基于图像频域分解重构 的对抗样本生成方法， 包括以下步骤： 输入原始 干净图像样本Pclean， 利用离散余弦变换将该图 像拆分为低频部分 高频部分 从数 据集中选取图像， 构建待融合的低频、 高频图像 集合； 基于图像间的相似度， 将干净样本的高频 部分与高频图像集合中的所有图像进行融合； 将 干净样本的低频部分与低频图像集合中的所有 图像进行融合与拼接； 通过神经网络的梯度反向 传播， 利用低频融合图像集合与拼接图像集合对 干净样本的低频部分施加扰动， 生成对抗样本的 低频部分； 对获得的对抗样本的低频部分进行低 通滤波， 并和高频图像集合进行图像重构， 构造 对抗样本。 本发明提出了对图像分解后的低频、 高频两个部分分别采取基于图像增强的梯度回 传、 基于相似度融合等方法， 增强了生成的对抗 样本的攻击成功率和迁移率， 降低了人眼对扰动噪声的感知效果， 同时能提升对抗样本对神经网 络模型的攻击效果。 权利要求书3页 说明书7页 附图1页 CN 115100421 A 2022.09.23 CN 115100421 A 1.一种基于图像频域分解重构的对抗样本生成方法， 其特 征在于： 包括以下步骤： 步骤一、 输入原始干净图像样本Pclean， 利用离散余弦变换将该图像拆分为低频部分 和高频部分 步骤101、 对干净图像样本Pclean进行离散余弦变换， 获取图像的幅度频谱Fclean； 步骤102、 将 幅度频谱Fclean左上角 区域内元素保留， 其余区域元素置0， 得到图像 的低频幅度频谱 步骤103、 将幅度频谱Fclean左上角 区域内元素置0， 其余区域元素保留， 得到图像 的高频幅度频谱 步骤104、 分别对 进行逆离散余弦变换， 得到图像的低频部分 和高频部 分 步骤二、 从数据集中选取图像， 构建待融合的低频、 高频图像集 合： 步骤201、 从干净图像Pclean所在类别以外的其他所有类别中， 分别选取r张图像， 组成图 像集合{Padv‑1,Padv‑2,...,Padv‑n}； 步骤202、 对图像集合{Padv‑1,Padv‑2,...,Padv‑n}内的所有图像进行步骤一相同的操作， 构建待融合的低频图像集 合 高频图像集 合 步骤三、 基于 图像间的相似度， 将干净样本的高频部分与高频图像集合中的所有图像 进行融合： 步骤301、 利用感知哈希算法， 计算干净样本的高频部分 与待融合的高频图像集合 中每张图像的相似度{s1,s2,...,sn}； 步骤302、 选取高频融合比例αH∈[0,1]， 基于图像间的相似度， 将干净样本的高频部分 分别与高频图像集 合 中的所有图像进行融合： 获得高频融合图像集 合 步骤四、 将干净样本的低频部分与低频图像集 合中的所有图像分别进行融合与拼接： 步骤401、 选取低频融合比例αL∈[0,1]， 将干净样本的低频部分 分别与低频图像集 合 中的所有图像进行融合： 获得低频融合图像集 合 步骤402、 从图像集合 中随机选取m ‑1张图像， 同时设置m个与图像 尺寸(H,W,C)相同的掩膜M1、 M1…Mm:权　利　要　求　书 1/3 页 2 CN 115100421 A 2将干净样本的低频部分 与选取的m ‑1张图像进行拼接， 获得低频拼接图像 步骤403、 重复n次步骤402， 获得低频拼接图像集 合 步骤五、 通过神经网络的梯度反向传播， 利用低频融合图像集合与拼接 图像集合对干 净样本的低频部分施加扰动， 生成对抗样本的低频部分： 步骤501、 从低 频融合图像集合、 拼接图像集合中分别选取n1、 n2张图像， 并将该n1+n2张 图像分别输入到预测模式的神经网络f， 设置f的损失函数为交叉熵损失， 得到f关于输入图 像 的损失 依据该损失 获得f关于 输入图像 的损失梯度： 步骤502、 依据神经网络的损失 获取聚合动量梯度 其中λi为神经网络对每张输入图像的损失梯度分配的权 重， 满足： 步骤503、 选取迭代动量β ∈[0,1]， 利用聚合动量梯度 更新gt+1： 步骤504、 设定扰动幅度上限ξ1与最大迭代次数T， 计算每次迭代对抗样本的变化量 更新对抗样本的低频部分 步骤505、 利用扰动幅度上限ξ1对 的像素值进行扰动限制： 步骤506、 迭代步骤5 01‑505， 直到最大迭代次数T， 获得对抗样本的低频部分 步骤六、 对获得的对抗样本的低频部分进行低通滤波， 并和高频图像集合进行图像重 构， 构造对抗样本： 步骤601、 利用离散余弦变换获取对抗样本低频部分的幅度频谱 将 左上角 区域内元 素保留， 其 余区域元 素置0， 得到低频幅度频谱 步骤602、 对低频幅度频谱 进行逆离散余弦变换， 获得低通滤波后的低频对抗样本权　利　要　求　书 2/3 页 3 CN 115100421 A 3