1.一种基于分块域变换模拟技术的JPEG对抗样本生成方法,其特征在于,所述对抗样本生成方法包括以下步骤:步骤一:以分块域变换模拟技术为基础,利用卷积层构建JPEG解压缩模块;
步骤二:将步骤一构建的JPEG解压缩模块与原始卷积神经网络组合形成输入为JPEG流的新模型;JPEG解压缩模块的输出为RGB图像,符合原始卷积神经网络的输入要求,JPEG图片能够在未解压缩状态下直接输入JPEG解压缩模块,再输入原始卷积神经网络;
步骤三:使用反向传播算法计算新模型关于输入的JPEG流的梯度信息,形成关于JPEG流的符号梯度;
步骤四:以JPEG图像8×8小块内梯度绝对值幅值的平均值为标准对块间梯度幅值进行排序,筛选待嵌入对抗噪声的小块;
步骤五:在每个已选定的小块内,按块内梯度幅值的大小排序,筛选绝对值最大的前n个像素点;
步骤六:在符号梯度的基础上乘以单步噪声幅值ε,依次与步骤四形成的块间掩膜和步骤五形成的块内掩膜做点乘运算,形成单步对抗噪声;
步骤七:将步骤六生成的单步对抗噪声用预设的最大噪声幅度E截断,并添加至输入的JPEG图片,生成新的样本;
步骤八:将步骤七生成的新样本重新输入新模型,检查是否是对抗样本,如果不是对抗样本,重复步骤三至步骤七,直至输出对抗样本。
2.根据权利要求1所述的一种基于分块域变换模拟技术的JPEG对抗样本生成方法,其特征在于,所述JPEG解压缩模块的构建方式包括:(1)、构建域变换卷积层;
(2)、构建颜色变换卷积层;
( 3 ) 、依次组合乘法、域变换卷积层、取8位整数、颜色变换卷积层、取8位整数,形成JPEG解压缩模块。
3.根据权利要求2所述的一种基于分块域变换模拟技术的JPEG对抗样本生成方法,其特征在于,所述域变换卷积层的构建通过8×8的反离散余弦变换用矩阵乘法实现,如公式(1)所示:Xb=Flatten(Xf)×Mt (1)式中,Xb表示空间域的8×8图像块,Xf表示离散余弦域的图像块,Mt表示反离散余弦变换矩阵,Flatten表示摊平函数;
使用分块域变换技术实现反离散余弦变换,无偏置项的卷积层也是一种线性变换,通过搭建一个包括64个8×8尺寸卷积核、卷积步长为8的卷积层,使用Mt初始化该卷积核参数,并固定该卷积层参数,形成域变换卷积层ConvIDCT,使用ConvIDCT进行反离散余弦变换的过程如公式(2)所示:Xb=ConvIDCT*Xf (2)式中,*表示卷积运算。
4.根据权利要求2所述的一种基于分块域变换模拟技术的JPEG对抗样本生成方法,其特征在于,所述颜色变换卷积层的构建通过搭建一个包括3个1×1尺寸卷积核、卷积步长为
1的卷积层,使用YCbCr到RGB颜色空间变换系数初始化该卷积核参数,并固定该卷积层参数,称为颜色变换卷积层,YCbCr到RGB颜色空间转换的方式如公式(3)所示: (3)
其中,R、G、B、Y、Cb、Cr分别表示图像的R、G、B、Y、Cb、Cr颜色通道分量,由公式(3)中的系数组成的矩阵称为颜色空间变换矩阵。
5.根据权利要求1所述的一种基于分块域变换模拟技术的JPEG对抗样本生成方法,其特征在于,所述步骤四块间梯度幅值排序的具体步骤为:
1)对梯度值矩阵Mg取绝对值,得到|Mg|;
2)在每个8×8小块内,对|Mg|求和,得到∑|Mg|;
3)对∑|Mg|内的值从大到小进行排序,保存排序后的索引;
筛选待嵌入小块的具体步骤为:
1)初始化全为0的块间掩码矩阵Maskb;
2)将∑|Mg|最大的前n个索引对应的Maskb小块内的值设置为1。
6.根据权利要求1所述的一种基于分块域变换模拟技术的JPEG对抗样本生成方法,其特征在于,所述步骤五块内梯度幅值排序的具体步骤包括:
1)对梯度值矩阵Mg取绝对值,得到|Mg|;
2)在|Mg|的每个8×8小块内进行从大到小的排序,保存排序后的索引序列;
块内筛选的具体步骤为:
初始化全为0的块间掩码矩阵Maskp;
2)将|Mg|每个8×8小块内最大的前n个索引对应的Maskp值设置为1。
7.根据权利要求1所述的一种基于分块域变换模拟技术的JPEG对抗样本生成方法,其特征在于,所述步骤六形成单步对抗噪声具体的计算步骤:Noisead= ε·sign(Mg)·Maskb·Maskp其中,Noisead表示单步对抗噪声,sign表示取符号函数,·表示矩阵中对应元素相乘,sign函数的运算方式如下式所示:其中,x表示输入,y表示输出。
8.根据权利要求1所述的一种基于分块域变换模拟技术的JPEG对抗样本生成方法,其特征在于,所述步骤八检查是否是对抗样本的条件包括:
1)、步骤七生成的新样本是对抗样本,输出对抗样本;
2)、步骤三至步骤七的重复次数达到预设的最大迭代次数S,输出生成失败;此情况需调整超参数重新执行本方案,以最终生成JPEG对抗样本。