新冠肺炎CT影像的DNN对抗攻击研究.docxVIP

? ? 新冠肺炎CT影像的DNN对抗攻击研究 ? ? 胡 耿，蔡延光 广东工业大学自动化学院，广州 510006 2019年12月起，武汉地区部分医院出现多起新型冠状病毒肺炎（COVID-19）[1]，随后席卷全国。COVID-19归为“β 冠状病毒”属，具有诊断困难、诊断周期长等特点，为了节省医务人员的宝贵时间，文献[2]利用深度神经网络构建模型，智能识别COVID-19 患者的胸部CT影像[3]，进行自动化诊断。 随着人工智能技术的发展，深度学习[4]在图像数据相关任务上的显著成功引人瞩目，越来越多的研究人员参与其中，出现了许多性能优越的神经网络架构。然而，当运用于如医疗这种安全等级高的领域时，深度神经网络的安全性显得尤为重要。DNN对抗攻击研究表明，现有的神经网络系统存在安全性问题、鲁棒性存在问题。例如，基于梯度的对抗攻击算法，为针对相关图像数据，利用梯度信息，向良性样本中增加各种各样的扰动，达到梯度异常的效果，进而制作出各种不同的对抗样本。这部分的对抗样本对比良性样本，不易被人类感知系统所察觉，但却能被神经网络系统的决策体系判定成假阴样本。相对于其他基于梯度的对抗攻击方法，本文方法不需要增加额外的计算负担，同时也不需要增加额外的人类先验知识，且具有通用性的优点。 1 相关工作 1.1 基于深度学习的卷积神经网络 在卷积神经网络中，通过局部连接将所有的神经元关联起来，