结合频域和空域变换的对抗样本检测技术

来源：计算机技术与发展杂志2025年第09期北京时间：

作者：黄林荃;李梦晨;王淞鹤;刘会*;赵波

摘要：深度神经网络在计算机视觉、自然语言处理等非结构化数据学习和处理的任务上取得了超越人类的表现。然而,基于深度学习的智能软件面临严峻的对抗样本攻击的安全威胁,攻击者在输入样本中加入少量的特定扰动,即可轻易改变智能软件的输出结果。对于图像识别任务,图像变换是一种高效的对抗样本检测手段,它通过比对分析神经网络对变换前后图像的推理结果来识别对抗性特征。该文将图像变换按空域和频域分类,分别对这两类图像变换在对抗样本检测中的效果进行系统仿真与分析,提出了一种结合频域变换与空域变换的联合检测方法。研究结果表明,不同的图像变换方法对不同类型的对抗样本的检测表现差异明显,并证明了基于频域变换和空域变换的联合检测可以提升对抗样本检测器的泛化性,在MNIST、CIFAR-10和ImageNet数据集上的平均检测率分别高达98.86%、74.37%和77.68%,表现出了良好的检测能力。

关键词：深度神经网络;智能软件;图像识别;图像变换;对抗样本