原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种为图像分类器进行对抗样本防御的方法，首先构造模型、准备图像训练数据并初始化超参数；其次将图像训练数据分成多个批次；使用一个批次的图像训练数据更新模型参数，包括：生成对抗样本、混合对抗样本与图像训练数据并调整对抗样本中图像数据的相对位置、使用反向传播算法更新模型参数；重复使用余下批次的图像训练数据实现模型参数的更新；重新开始新一轮的训练，直至训练完成；输出训练完成的模型。本发明将暹罗架构与对抗训练相结合，是对传统对抗训练算法的改进，可以更好应对图像分类器中对抗样本的攻击。
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号CN111914928A
(43)申请公布日2020.11.10
(21)申请号202010749009.8
(22)申请日2020.07.30
(71)申请人南京大学
地址21
文档评论（0）