反向梯度优化深度学习的病毒数据对抗方法

为解决传统病毒攻击样本生成算法存在适用范围较小的问题,提出一种基于反向梯度优化深度学习算法的数据病毒攻击样本生成方法。通过自动微分计算对应感兴趣服务的梯度,为降低算法复杂度并提高算法适用范围,采用反向梯度算法对学习过程进行反转以训练神经网络。为验证所提方法的有效性,设置垃圾邮件过滤、恶意软件检测和手写数字识别3个数值算例,实验结果表明,所提算法具有较好的适用性。