【摘 要】
:
随着深度神经网络的发展,生成对抗网络(GAN)生成的图像非常逼真,人眼很难区分,近年的研究已经提出了一些检测方法来区分GAN生成的图像和真实的图像。但是研究发现,在对抗攻击下这些检测方法的表现很脆弱,检测成功率下降显著,现有的攻击方法多数依赖于特定检测器的先验信息和向特定检测器的查询,并且处理的样本很容易被其它类型的检测器检测到。为了探究攻击者在无法获得任何检测器先验信息且无法向检测器查询的现实场
论文部分内容阅读
随着深度神经网络的发展,生成对抗网络(GAN)生成的图像非常逼真,人眼很难区分,近年的研究已经提出了一些检测方法来区分GAN生成的图像和真实的图像。但是研究发现,在对抗攻击下这些检测方法的表现很脆弱,检测成功率下降显著,现有的攻击方法多数依赖于特定检测器的先验信息和向特定检测器的查询,并且处理的样本很容易被其它类型的检测器检测到。为了探究攻击者在无法获得任何检测器先验信息且无法向检测器查询的现实场景下,现有GAN图像检测器的安全性,本课题设计了一种基于解耦学习的逃避非特定GAN图像检测的方法。图像中的与标签不相关和与标签相关的特征由解耦学习框架下的GAN模型解耦,标签不相关的特征包含图像的内容信息,而标签相关的特征提供有助于鉴别GAN图像和真实图像的信息,通过使用GAN图像的标签不相关的特征和真实图像的标签相关特征来伪装GAN生成的图像,生成对抗图像来逃避检测器。本课题提出的方法为更高安全性的检测器的研究提供潜在的威胁以促进其发展。综上所述,本课题的研究工作作出了如下贡献:1)在解耦学习和GAN结合的框架下,提出了一种对GAN生成的图像检测器的逃避攻击方法,通过用真实图像的标签相关特征来增加GAN图像的隐蔽性。该方法不需要特定检测器的先验信息,也无需向特定检测器查询,伪装的GAN图像可以用于攻击多种不同类型的检测方法,且可以在多种GAN方法生成的图像上使用,同时拥有强大的迁移性。2)本课题的方法可以通过在模型的训练过程中加入检测器的先验信息,提高针对特定检测器的攻击能力,拥有较强的灵活性。
其他文献
癌症患者的生存预测影响其医疗方案的选择和医疗资源的投入,现有方法借助神经网络处理高维基因表达数据以准确预测患者生存概率。然而,欧式距离的基因表达矩阵完全忽视了生物大分子之间本应存在的图结构相互作用信息。事实上,生物大分子之间的相互作用网络是决定一系列生命过程方向和功能的关键。考虑到蛋白质是生命活动的主要承担者,本文认为其相互作用网络能够补充更多的患者信息。为此,本文针对图结构的患者基因表达网络,提
牛肠道病毒(Bovine enterovirus,BEV)感染是由小RNA病毒科肠道病毒属牛肠道病毒引起的一种临床上以消化道和呼吸道症状为特征的传染病,给养牛业造成较为严重的经济损失。BEV感染自1959年由Moll等首次报道以来,很多国家和地区陆续报道了本病的感染与流行。国内李英利等于2011年分离出首株F种肠道病毒;邢泽黎等于2012年从吉林省发生严重腹泻的牛群中分离获得国内首株E种肠道病毒H
图结构数据广泛存在于现实生活中。由于其非欧式空间数据的特性导致现有大部分方法无法直接处理这类数据,因此如何进行图表示学习备受关注,其中图表示学习旨在为下游任务提取具有高可分性的节点表示。同时,越来越多的证据表明,与单视图图结构数据相比,多视图图结构数据可以提供更全面的节点间关系,从而可以更加全面地捕捉节点间的内在联系。然而,以无监督的方式从多视图图结构数据中挖掘每个节点的节点表示却很少受到关注。为
有创机械通气是通过气管插管或气管切开建立有创人工气道进行机械通气的方式,是重症监护病房中挽救呼吸困难患者的常用干预措施。因为会对患者造成人为创伤,准确且提早预测患者机械通气干预需求有重要意义。太迟开始会错过救治患者的最佳治疗时机,非紧急状况开始干预又会导致不必要的人为创伤;太早结束干预,患者需要再次干预导致二次伤害。本文以广东省某医院重症监护病房(ICU)的患者作为研究对象。该ICU病房部署了比较
肺炎克雷伯菌(Klebsiella pneumoniae)是一种常见的人兽共患的革兰氏阴性病原菌,可以在多种生态环境中生存,主要引起人的呼吸系统疾病,也可以引起尿路感染、菌血症、脑膜炎及院内感染等疾病;在动物引起牛肺炎、牛乳腺炎、水貂肺炎、猪肺炎等。与此同时,抗生素的大量滥用,加速了多重耐药的肺炎克雷伯菌产生,被称为超级细菌NDM-1,甚至导致对该菌的感染到了无药可用的地步,这使得临床治疗举步维艰
现实生活中,视觉图像数据的分布大多都是服从长尾分布的,类与类之间样本数目不平衡,小部分类别(即头部类)拥有较多的样本,而大部分的类别(即少数类,包括尾部类和部分中间类)样本数目较少。使用常规方法基于长尾不平衡数据集训练得到的模型整体识别效果低下,模型对头部类样本的识别准确率较高,对少数类样本的识别准确率很低。通过对常规方法的分类结果进行分析,本文发现模型倾向于将少数类的样本预测到与其特征相似的头部
图像语义分割作为计算机视觉研究领域的重要分支,被广泛应用于自动驾驶,医疗图像分析和人机交互等场景。目前,基于深度学习的图像语义分割算法依赖于使用大量的像素级标注用于训练,由于获取此类标注需要昂贵的时间和经济代价,全监督语义分割算法的性能和泛化性均受到了制约。为了减少对像素级标注信息的依赖,基于更弱标注信息的弱监督语义分割算法被陆续提出。本文对基于图像级类别标签的弱监督语义分割算法展开了研究,并针对
酮病是围产期奶牛高发的能量代谢障碍性疾病,其会引起免疫功能抑制,导致产后感染性疾病的风险增加。中性粒细胞是机体抗感染免疫的前线,其通过释放胞外诱捕网(NETs)捕获并杀灭入侵机体的病原微生物。酮病奶牛外周血中高浓度的β-羟基丁酸(BHB)可以抑制NETs形成,可能是造成奶牛免疫抑制的重要原因。然而,BHB抑制奶牛NETs形成的机制尚不清楚。本研究选取了5头健康的围产期奶牛(产后3周内),分离得到外
优质的卵母细胞是成功受精和胚胎发育的先决条件,是生命开始的物质基础。如果卵母细胞没有及时受精,排出的卵母细胞在体内或体外会经历一个时间依赖性的退化过程,称为卵母细胞老化。卵母细胞老化会导致烟酰胺腺嘌呤二核苷酸(NAD+)含量下降、DNA损伤增加、线粒体功能障碍和表观遗传修饰改变。表观遗传修饰包括对DNA和相关组蛋白的共价及非共价修饰,可控制基因表达、染色质结构和基因组稳定性。其中,DNA甲基化(5
分布式聚类目前已经成为一个具有吸引力和挑战性的研究课题。尽管进化计算被认为是解决复杂数据聚类问题的有效的方法,但是目前很少有研究使用进化计算来解决分布式聚类问题。目前大多数分布式聚类算法都是基于传统聚类算法的改进,仍然会受到传统聚类算法的限制。同时由于每个节点只存储着一部分的数据,算法的准确性相较于集中式的聚类算法通常会降低。此外聚类与图划分的目的相同,随着一张图包含的数据越来越多,值得探索将分布