典型文献
新冠肺炎CT影像的DNN对抗攻击研究
文献摘要：
在深度学习应用于新型冠状肺炎CT智能识别的研究中,大量研究人员通过构建深度神经网络训练模型,从而理解医学影像数据内容,辅助新冠肺炎诊断.提出AMDRC-Net架构,其中的残差结构,通过恒等映射解决了网络退化问题,与此同时,针对残差结构阻碍新特征探索的新问题,受到注意力机制等最新研究启发,研究了长短注意力引导机制.关注深度学习模型安全性问题,讨论基于梯度上升的对抗攻击方法;为了解决其单一性问题,通过长短注意力机制,增加有效对抗扰动的同时减少冗余扰动,紧接着,提出的对抗攻击算法A-IM-FGSM,将对抗攻击问题转化为自适应约束问题,即可微变换思想用于迭代攻击中,探究注意力引导机制与DNN对抗攻击的相互关系.最后进行的实验中,在新型冠状肺炎CT数据集上,通过AMDRC-Net进行模型训练,设计对比实验、可视化实验、对抗攻击实验.
文献关键词：
新冠肺炎CT影像;注意力引导机制;深度学习;DNN对抗攻击
中图分类号：
作者姓名：
胡耿;蔡延光
作者机构：
广东工业大学 自动化学院,广州 510006
文献出处：
引用格式：
[1]胡耿;蔡延光-.新冠肺炎CT影像的DNN对抗攻击研究)[J].计算机工程与应用,2022(01):152-157
A类：
AMDRC,注意力引导机制
B类：
DNN,对抗攻击,学习应用,新型冠状肺炎,智能识别,深度神经网络,神经网络训练,训练模型,医学影像,影像数据,数据内容,肺炎诊断,Net,残差结构,恒等映射,新特征,特征探索,注意力机制,深度学习模型,安全性问题,梯度上升,攻击方法,单一性,对抗扰动,紧接着,攻击算法,IM,FGSM,问题转化,应约,约束问题,可微,微变,想用,击中,模型训练,设计对比,可视化实验,击实
AB值：
0.3616
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。
