对抗智能侦察识别系统的伪装贴片生成方法

    公开(公告)号:CN113469873A

    公开(公告)日:2021-10-01

    申请号:CN202110708994.2

    申请日:2021-06-25

    Abstract: 对抗智能侦察识别系统的伪装贴片生成方法,涉及能够对抗深度神经网络智能侦察识别系统的技术领域。本发明集成多个深度模型生成对抗贴片,在生成对抗贴片的过程中融入了随机图像转换、光照变换、高斯噪声等,以得到尺度、位置和场景无关的鲁棒性对抗贴片,同时为了避免生成的对抗贴片因像素颜色特异而易引人注意,在生成过程中对贴片的像素值加以约束,使其色系与目标物色系近似,从而在保持对智能识别系统对抗性的同时,大大地提升了对抗伪装贴片的视觉隐蔽性。本发明可以使智能识别系统无法正确分类目标物,并且保持对人眼视觉的不显著性,实现对目标物信息的伪装隐藏。

    一种抗较强磁场干扰的MEMS陀螺仪校准方法

    公开(公告)号:CN110926503A

    公开(公告)日:2020-03-27

    申请号:CN201911308307.7

    申请日:2019-12-18

    Abstract: 本发明公开了一种抗较强磁场干扰的MEMS陀螺仪校准方法,通过采集无干扰下的MEMS陀螺仪的数据,得到原始直线,采集均匀旋转下的电机的数据,得到MEMS陀螺仪实测干扰曲线,将所述干扰曲线与所述原始直线进行计算,得到并存储修正曲线,采集正常工作下的MEMS陀螺仪数据,利用所述修正曲线完成校准,可抵抗因相对位置的变化造成的磁场变化的干扰,提高MEMS陀螺仪的角度定位精度。

    一种攻击人脸验证模型的对抗贴片生成方法

    公开(公告)号:CN114240732B

    公开(公告)日:2023-04-07

    申请号:CN202110703102.X

    申请日:2021-06-24

    Abstract: 一种攻击人脸验证模型的对抗贴片生成方法,涉及人脸识别系统的安全技术领域。将对抗贴片打印成实物,并放置在攻击者的面部,以减小人脸验证模型计算得到的攻击者与攻击目标之间的距离,误导系统将攻击者验证为目标人物;在进行人脸验证前,通常要进行人脸检测,检测每张输入的图片中是否存在人脸并且用边界框将人脸标定出来;优化区域差异损失以减小干净图片样本与被叠加贴片后的样本被检测到的区域。本发明可打印成实物放置在攻击者的面部,误导系统将攻击者验证为目标人物。对抗贴片具备极强的鲁棒性,可以适应一定程度的尺度缩放及角度变化。对抗贴片的面积较小,能够避免遮挡眼镜、嘴巴、鼻尖等活体检测的关键部位,破解活体检测的防御。

    一种无需样本数据的对抗贴片生成方法

    公开(公告)号:CN113469329B

    公开(公告)日:2023-03-24

    申请号:CN202110708530.1

    申请日:2021-06-24

    Abstract: 一种无需样本数据的对抗贴片生成方法,涉及深度神经网络技术领域。将生成的攻击贴片放置在被攻击样本附近,误导分类模型将对抗样本识别为其他物体;在缺乏训练数据的情况下,以RGB像素值全0的图片作为背景,通过欺骗深度神经网络各层学习到的特征信息,以生成无目标的对抗贴片;将生成的攻击贴片放置在被攻击样本附近,误导分类模型将对抗样本识别为指定类别;构建背景图片,将对抗贴片进行随机变形,放置到背景图片的随机位置上进行训练,以此利用无目标攻击贴片隐含的信息生成有目标攻击贴片。本发明利用攻击者无需使用任何训练数据,即可生成对抗贴片,攻击基于深度神经网络构建的图像分类模型。

    一种空天地一体化互联网智能边缘缓存方法

    公开(公告)号:CN115587266A

    公开(公告)日:2023-01-10

    申请号:CN202211205600.2

    申请日:2022-09-30

    Abstract: 一种空天地一体化互联网缓存内容更新方法,属于卫星通信领域。建立中继节点具有缓存能力的空天地一体化互联网场景下的缓存内容更新模型;将各中继节点处对卫星广播内容的缓存决策建模为马尔可夫决策过程;根据中继节点特征对中继节点进行AP聚类;各中继节点利用模仿学习优化缓存决策;令中继节点簇的簇首节点定期汇报缓存策略神经网络参数到卫星,汇总和整合为集成策略参数分发给各中继节点;直至中继节点缓存策略收敛。利用深度强化学习中的模仿学习方法学习动态变化的内容流行度变化规律,从而提高缓存命中率;另一方面提出一种基于AP聚类的低通信量联邦学习机制,以较低通信开销为代价,提高各中继节点缓存策略的学习效率。

    一种利用掩模限制扰动噪声的对抗样本生成方法

    公开(公告)号:CN113469965A

    公开(公告)日:2021-10-01

    申请号:CN202110709007.0

    申请日:2021-06-25

    Abstract: 一种利用掩模限制扰动噪声的对抗样本生成方法,涉及对抗机器学习领域。本发明去除对抗图像背景中的噪声,将噪声限制在图像显著性目标区域,所得到的对抗样本依然能对深度模型实施有效的攻击。将由显著性目标检测技术得到图像显著性映射图转换为二值掩模得到图像的显著性目标或区域,二值掩模边界内区域为显著目标区域,边界外区域为图像背景。利用二值掩模与对抗扰动噪声相乘从而将添加的扰动噪声限制在显著性目标区域内。本发明将噪声限制在显著目标区域内,所生成的对抗样本不仅噪声更难察觉,而且依然具有对深度神经网络有效攻击的能力,具有通用性,即可以与任意现有生成对抗样本的方法相结合,增强对抗样本攻击的隐蔽性。

    一种无人机航拍图片的人群密度估计方法

    公开(公告)号:CN109389043A

    公开(公告)日:2019-02-26

    申请号:CN201811051016.X

    申请日:2018-09-10

    Abstract: 本发明公开了一种无人机航拍图片的人群密度估计方法。包括卷积神经网络模块,为具有跨层连接结构的卷积神经网络,用于对航拍图像中的微小行人目标进行感知,并回归人群密度图,从而得到能够回归人群密度图的原始网络;剪枝模块,用于基于AP聚类算法的网络剪枝方法对原始网络进行剪枝,同时压缩网络参数并减少卷积运算,得到便于部署的轻量化网络;估算模块,用于FPGA编程在无人机上实现轻量化网络的人群密度估计算法。本发明可以部署在无人机上准确高效地对地进行人群密度估计。

    一种低信噪比条件下鲁棒的射频信号开集识别方法

    公开(公告)号:CN117150265B

    公开(公告)日:2024-05-17

    申请号:CN202311044511.9

    申请日:2023-08-17

    Abstract: 本发明公开了一种低信噪比条件下鲁棒的射频信号开集识别方法。首先训练ResNet‑18模型,并选取其倒数第二层作为特征提取器;取样本点大于1000的随机噪声输入特征提取器,并取噪声特征的均值为特征空间奇点FSS;计算训练数据中所有已知类别的子空间;实际应用中,首先得到接收样本的特征,计算与已知子空间的最小距离;计算接收样本的特征到FSS的距离;用最小距离与特征到FSS的距离做比值并与预设阈值进行比较,大于阈值为OOD样本,小于则为ID样本。本发明提出一种有效的OOD打分函数:FSS‑IDS,该方法的比值设计巧妙地提高了ID样本和OOD样本特征在所提打分函数上的区分度;更为重要的是,本发明在低信噪比下相较于现有方法更为鲁棒,且不会影响ID类别的识别准确率。

Patent Agency Ranking