基于残差网络结构的对抗图像分类模型

[目的]对抗样本的出现,导致深度神经网络以高置信度输出错误结果,为了提高深度神经网络的安全性,需对对抗样本进行区分.[方法]基于残差网络结构提出一种用于正确分类对抗攻击样本的分类模型,命名为RC-Net.RC-Net分类模型包含残差网络特征提取模块和分类模块.使用对抗训练方式对RC-Net分类模型进行迭代训练,改进当前流行的三种对抗攻击方法,对Mini-ImageNet数据集进行对抗处理,生成相应对抗样本.随后,用处理过的样本攻击EfficientNet分类模型和RC-Net分类模型,并对攻击效果进行对比.[结果]从攻击结果上可以得知,本文所提出的RC-Net分类模型在Mini-ImageNet对抗样本上具有较高的分类准确率.[结论]对深度神经网络进行对抗训练,可有效增强深度神经网络模型的鲁棒性.