计算机工程

作者：黄静琪, 贾西平, 陈道鑫, 柏柯嘉, 廖秀秀

单位：广东技术师范大学 计算机科学学院, 广州 510665

关键词：生成对抗网络,图像攻击,对抗样本,变分自编码器防御,防御模型

基金：国家自然科学基金（61872096）；广东省普通高校重点科研项目（2019KZDXM063）；广东省教育厅青年创新人才项目（2016KQNCX092）。

图像攻击是指通过对图像添加小幅扰动使深度神经网络产生误分类。针对现有图像攻击算法在变分自编码器（VAE）防御下攻击性能不稳定的问题，在AdvGAN算法的基础上，提出基于对抗机制的AntiVAEGAN算法获取对VAE防御的稳定攻击效果。为应对AntiVAEGAN算法防御能力提升时攻击性能不稳定的问题，结合生成器与鉴别器、生成器与VAE的双对抗机制提出改进的图像攻击算法VAEAdvGAN。在MNIST和GTSRB数据集上的实验结果表明，在无防御的情况下，AntiVAEGAN和VAEAdvGAN算法几乎能达到与AdvGAN算法相同的图像分类准确率和攻击成功率，而在VAE防御的情况下，VAEAdvGAN相比AdvGAN和AntiVAEGAN算法整体攻击效果更优。

来源：2021年第11期

《计算机工程》期刊编辑部

查看计算机工程杂志2021年第11期