一种基于梯度对齐和标签相似性加权的对抗样本生成方法及系统

本发明公开了一种基于梯度对齐和标签相似性加权的对抗样本生成方法及系统，具体为：首先将带有真实标签的原始图像输入由多个图像分类模型组成的集成模型中对模型进行初始化，对当前对抗样本进行若干次随机变换采样，得到多个变换图像，分别输入集成模型中的各分类模型，计算各模型在各变换图像上的损失函数关于输入的梯度；然后执行梯度对齐操作，计算各模型对应的聚合梯度，确定每个模型的权重；接着对各模型聚合梯度进行加权融合，得到本轮迭代的加权梯度，更新对抗样本；最后判断是否达到终止条件，是则输出最终对抗样本，否则进行下一次迭代。本发明增强了信息整合能力，减少了对原图的破坏，提高了对抗样本的跨模型泛化能力和黑盒攻击成功率。