- 博客(4)
- 收藏
- 关注
RSS订阅原创 对抗样本（FGSM，BIM）
FGSM（fast gradient sign method）是一种基于梯度生成对抗样本的算法，属于对抗攻击中的无目标攻击（即不要求对抗样本经过model预测指定的类别，只要与原样本预测的不一样即可）在平时求解损失函数的时候，都是最小化损失函数，在梯度的反方向移动，符号使用减号，也就是所谓的梯度下降算法；FGSM可以理解为梯度上升算法，也就是使用加号，使得损失函数最大化。上面是FGSM的公式，和dp神经网络类似，但是是一个反向的逆过程。
2024-09-08 20:29:52
414
原创 脆弱模型概述
深度模型的应用已经参与到人们生活的各个方面，同时如后门攻击、投毒攻击等对模型的篡改攻击也给人工智能带来众多风险问题。脆弱水印作为一种有效的检测方法，可以用于定期或不定期的模型检查，确保其可靠部署运行。完整性检验也是众多模型遭受攻击后恢复模型的前置条件，即检测出异常，而现有防御工作往往忽略了这关键一环。
2024-09-07 14:50:00
1266
原创 基于扩散模型的数字水印框架
扩散概率模型(为了简单起见，我们将其称为“扩散模型”)是一个参数化的马尔可夫链，它使用变分推理进行训练，在有限时间后产生与数据匹配的样本。学习这个链的过渡来反转一个扩散过程，这是一个马尔可夫链，它在采样的相反方向上逐渐向数据添加噪声，直到信号被破坏。当扩散由少量高斯噪声组成时，将采样链过渡也设置为条件高斯就足够了，从而允许特别简单的神经网络参数化。
2024-08-31 22:39:29
943
原创 基于DWT-DCT的数字水印技术_应用于脑机数据（嵌入+评价+提取）
对脑机数据进行水印嵌入、提取、攻击等操作。本项目提供了几个传统鲁棒水印嵌入的baseline方法对脑电数据进行水印嵌入以及提取和水印质量检测的工作，同时也提出了基于DWT-DCT的水印嵌入算法模型框架。参考北京邮电大学的杨瑜老师的教科书《信息隐藏与数字水印》进行python的代码实现基于小波变换的EEGNet的水印嵌入。
2024-08-29 22:57:23
1592
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人