公开(公告)号：CN112882382B

公开(公告)日：2022-03-29

申请号：CN202110029509.9

申请日：2021-01-11

申请人： 大连理工大学

发明人： 杨鑫 ,  王洋 ,  朴海音 ,  何林远 ,  孙阳

IPC分类号： G05B13/04

摘要： 本发明属于计算机视觉领域中的对抗鲁棒领域，提供一种评价分类深度神经网络鲁棒性的几何方法，步骤如下：步骤1、选择深度神经网络分类模型；步骤2、选择攻击算法；步骤3、构建ACTS算法；步骤4、形成整个ACTS评价算法框架并输出结果。本发明解决了由于对抗样本的存在所导致的分类鲁棒性评价困难问题。本发明提出了一种从几何角度去评价分类鲁棒性的方法ACTS，通过不同实验设置证明了ACTS的有效性，并通过对比实验证明了ACTS输出结果的精确性和高效性。对比实验中ACTS在所有不同实验设置中指标Overlap均获得了最佳性能，并且在平均用时的效率上领先CLEVER几个量级，具有很大的优势。

公开(公告)号：CN112882382A

公开(公告)日：2021-06-01

申请号：CN202110029509.9

申请日：2021-01-11

申请人： 大连理工大学

发明人： 杨鑫 ,  王洋 ,  朴海音 ,  何林远 ,  孙阳

IPC分类号： G05B13/04

摘要： 本发明属于计算机视觉领域中的对抗鲁棒领域，提供一种评价分类深度神经网络鲁棒性的几何方法，步骤如下：步骤1、选择深度神经网络分类模型；步骤2、选择攻击算法；步骤3、构建ACTS算法；步骤4、形成整个ACTS评价算法框架并输出结果。本发明解决了由于对抗样本的存在所导致的分类鲁棒性评价困难问题。本发明提出了一种从几何角度去评价分类鲁棒性的方法ACTS，通过不同实验设置证明了ACTS的有效性，并通过对比实验证明了ACTS输出结果的精确性和高效性。对比实验中ACTS在所有不同实验设置中指标Overlap均获得了最佳性能，并且在平均用时的效率上领先CLEVER几个量级，具有很大的优势。