一种使用自适应策略的动量对抗攻击方法与系统

1.一种使用自适应策略的动量对抗攻击方法，其特征在于，所述方法包括以下步骤：根据选取的数据训练样本；对训练好的样本进行预处理；基于预处理后的样本，选择神经网络模型得到动量模型；引入自适应步长矩阵，根据所述动量模型以及所述自适应步长矩阵得到对抗样本模型；根据所述对抗样本模型得到对抗攻击成功率；所述对抗样本模型；包括：P是投影运算， 表示第t步生成的对抗样本图像， 表示第t+1步生成的对抗样本图像；α t 为步长，α t >0；g t+1 是前t+1次迭代中累加的梯度；所述根据所述对抗样本模型得到对抗攻击成功率，包括：利用一个已知的白盒模型来生成对抗样本，然后将生成的对抗样本用于攻击未知的黑盒模型，从而实现能迁移的对抗攻击。 2.根据权利要求1所述的一种使用自适应策略的动量对抗攻击方法，其特征在于，所述动量模型，包括：其中，g t 为前t次迭代中累加的梯度，μ t 为动量系数μ t >0；x adv 为原始样本x通过添加噪声生成的对抗样本，y为原始样本的标签， 是代表在x处梯度运算。 3.根据权利要求2所述的一种使用自适应策略的动量对抗攻击方法，其特征在于，所述自适应步长矩阵，具体为：其中，V t ＝diag(v t )， I是单位矩阵，δ是一个常数系数，g j 是前j次迭代中累加的梯度，v t 就是对累加梯度g的平方进行求算术平均。 4.一种使用自适应策略的动量对抗攻击系统，其特征在于，包括：训练单元，用于根据选取的数据训练样本；处理单元，用于对训练好的样本进行预处理；计算单元，用于基于预处理后的样本，选择神经网络模型得到动量模型；构建单元，用于引入自适应步长矩阵，根据所述动量模型以及所述自适应步长矩阵得到对抗样本模型；输出单元，用于根据所述对抗样本模型得到对抗攻击成功率；所述对抗样本模型；包括：P是投影运算， 表示第t步生成的对抗样本图像， 表示第t+1步生成的对抗样本图像；α t 为步长，α t >0；g t+1 是前t+1次迭代中累加的梯度；所述输出单元，包括：用于利用一个已知的白盒模型来生成对抗样本，然后将生成的对抗样本用于攻击未知的黑盒模型，从而实现能迁移的对抗攻击。 5.根据权利要求4所述的一种使用自适应策略的动量对抗攻击系统，其特征在于，所述动量模型，包括：其中，g t 为前t次迭代中累加的梯度，μ t 为动量系数μ t >0；x adv 为原始样本x通过添加噪声生成的对抗样本，y为原始样本的标签， 是代表在x处梯度运算。 6.根据权利要求5所述的一种使用自适应策略的动量对抗攻击系统，其特征在于，所述自适应步长矩阵，具体为：其中，V t ＝diag(v t )， I是单位矩阵，δ是一个常数系数，g j 是前j次迭代中累加的梯度，v t 就是对累加梯度g的平方进行求算术平均。