一种面向机器学习系统投毒攻击的防御方法

本发明公开了一种面向机器学习系统投毒攻击的防御方法，包括步骤：在训练阶段中输入图像；计算对比损失、监督损失和中心歧视损失；在测试阶段中输入训练集和过滤率，对训练集中的图像计算预测类别标签，并将类别中心进行分类；根据地面真实评分和中心歧视评分计算总分，并根据总分对数据进行排名，过滤受污染的数据；输入实际图像，使用上述步骤训练过的模型进行识别，并移除被投毒攻击的样本。本发明整合了对比学习的概念以增强特征表示，提出了一种基于融合的评分策略，以实现更有效的决策制定；本发明提供了新的基准和新的指标，以充分研究非干净设置下的性能表现。