10.3969/j.issn.1000-386x.2022.03.052
基于轻量级神经网络的白盒攻防研究
针对轻量级神经网络在移动端的安全性缺乏问题,提出模型安全的反防御和二次防御方法.通过在MobileNet v2模型上改造CW算法优化器,采用旋转、添加高斯噪声以及双边滤波器平滑的传统数据增强进行防御,进而体现出反防御效果.在MobileNet v2、ShuffleNet v2和MnasNet模型上,通过改变旋转缩放因子、采用高斯-X噪声混叠模式以及调整双边滤波像素中心点直径对模型进行二次防御.实验结果表明,ASGD优化器对CW算法的反防御能力有很好的提升,同时改进的数据增强方法可以降低对抗样本的鲁棒性,提升模型二次防御能力.
轻量级神经网络;模型安全;反防御;二次防御;数据增强;对抗样本
39
TP3(计算技术、计算机技术)
中国石油科技创新基金项目;东北石油大学青年科学基金
2022-03-21（万方平台首次上网日期，不代表论文的发表时间）
共8页
328-335
