典型文献
基于滤波插值图像压缩的对抗样本发放与方法
文献摘要：
对抗样本防御技术是深度学习安全研究的重要一环.当前,对抗样本防御技术研究具有滞后性,只能针对对抗样本生成技术被动地改进,且往往需要根据具体的模型进行大量的训练,成本高、灵活性差.针对这些问题,提出一种基于滤波插值图像压缩的对抗样本防御方法(de la Vallée Poussin Filtered Interpolation for Image Compression,VPC),采用预处理的方式进行对抗样本防御,方法分为两个模块:压缩与重构模块.两个模块通过采样切比雪夫节点,利用滤波插值多项式进行图像压缩与重构.该方法无需训练,能够使深度神经网络(Deep Neu-ral Network,DNN)在干净样本集上保持高准确率,在典型的对抗样本集上拥有较强的防御效果,且能够与任何DNN模型相结合,具有较高的灵活性.
文献关键词：
深度学习;神经网络;对抗样本防御;滤波插值
中图分类号：
作者姓名：
张田;杨奎武;张万里;胡学先
作者机构：
信息工程大学,河南郑州450001
文献出处：
引用格式：
[1]张田;杨奎武;张万里;胡学先-.基于滤波插值图像压缩的对抗样本发放与方法)[J].信息工程大学学报,2022(06):672-678
A类：
滤波插值,Vall
B类：
图像压缩,对抗样本防御,防御技术,深度学习安全,安全研究,滞后性,对对,对抗样本生成,生成技术,防御方法,de,Poussin,Filtered,Interpolation,Image,Compression,VPC,过采样,切比雪夫,多项式,深度神经网络,Deep,Neu,ral,Network,DNN,干净,样本集
AB值：
0.343686
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
