隨著深度學(xué)習(xí)的飛速發(fā)展,社會(huì)上基于深度學(xué)習(xí)的應(yīng)用越來越普遍,尤其是計(jì)算機(jī)視覺領(lǐng)域,誕生了如自動(dòng)駕駛、人臉識(shí)別、圖像內(nèi)容審核等產(chǎn)品。然而近年來視覺對(duì)抗技術(shù)逐漸興起,以圖像對(duì)抗樣本為代表的對(duì)抗模型行為和以深度偽造為代表的對(duì)抗人眼行為,給深度學(xué)習(xí)在視覺領(lǐng)域的發(fā)展造成了巨大的安全威脅。視覺對(duì)抗行為的存在讓人們不再相信模型的決策,也對(duì)深度學(xué)習(xí)的應(yīng)用產(chǎn)生了巨大的質(zhì)疑。因此,對(duì)視覺對(duì)抗行為的深入研究有著重要的科學(xué)意義和社會(huì)價(jià)值。現(xiàn)有關(guān)于視覺對(duì)抗技術(shù)的研究還存在如攻擊生成算法不夠高效、對(duì)抗檢測算法泛化性和魯棒性差等諸多問題。本文針對(duì)這些問題對(duì)視覺對(duì)抗技術(shù)展開了全面研究。首先對(duì)圖像對(duì)抗樣本的生成和檢測技術(shù)進(jìn)行了調(diào)研總結(jié),并對(duì)深度偽造人臉對(duì)抗技術(shù)進(jìn)行了概括。然后本文以對(duì)抗樣本為研究背景,研究如何高效地生成針對(duì)云平臺(tái)圖像應(yīng)用的對(duì)抗樣本,研究如何實(shí)現(xiàn)泛化性更好的對(duì)抗樣本檢測算法,研究泛化性好的深度偽造人臉檢測算法以及如何應(yīng)用對(duì)抗樣本技術(shù)提升檢測算法的魯棒性。本文的研究內(nèi)容和貢獻(xiàn)如下:第一部分總結(jié)了視覺對(duì)抗技術(shù)的相關(guān)發(fā)展。首先對(duì)圖像對(duì)抗樣本技術(shù)的生成和檢測算法進(jìn)行綜述,然后對(duì)深度偽造人臉對(duì)抗技術(shù)進(jìn)行了介紹和對(duì)比... 

【文章來源】：浙江大學(xué)浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：120 頁

【學(xué)位級(jí)別】：博士

【部分圖文】：

圖１－２深度偽造換臉示例圖??

浙，江大學(xué)博士學(xué)位論文?２視覺對(duì)抗相關(guān)技術(shù)研究基礎(chǔ)??輸入?Ｌａｙｅｒ?１?Ｌａｙｅｒ２?Ｌａｙｅｒ?Ｌ?Ｏｕｔｐｕｔ??＇顏：：ｉ：：：：??魯入慕?遽贏屬輸出屬??圖２－１深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖??２．１．２卷積神經(jīng)網(wǎng)絡(luò)??卷積神經(jīng)網(wǎng)絡(luò)（Ｃｏｎｖｏｌｕｔｉｏｎａｌ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋｓ，?ＣＮＮ）是加入了卷積計(jì)算的神經(jīng)網(wǎng)絡(luò)，??在深度神經(jīng)網(wǎng)絡(luò)基礎(chǔ)上加入了卷積層和池化層進(jìn)行提取特征。卷積神經(jīng)網(wǎng)絡(luò)的輸入是圖像??的三維結(jié)構(gòu)：高度、寬度、通道（ＲＧＢ），通過使用比輸入小得多的卷積梭來對(duì)圖像進(jìn)行局??部區(qū)域掃描式的卷積計(jì)算，這樣可以減少大量的參數(shù)，實(shí)現(xiàn)稀疏連接。此外卷積神經(jīng)網(wǎng)絡(luò)??可以進(jìn)行參數(shù)共享，在每一層進(jìn)行卷積計(jì)算時(shí)，與上一層之間計(jì)算的卷積核參數(shù)是相同的。??１９９８年Ｌｅｃｕｎ等人［４４＃１首次將提出卷積神經(jīng)網(wǎng)絡(luò)ＬｅＮｅｔ－５運(yùn)用于手寫字體識(shí)別，取得了重??大成功，其網(wǎng)絡(luò)結(jié)構(gòu)如圖２－２所示，分別包含了卷積層、池化層、全連接層，這是卷積神經(jīng)??網(wǎng)絡(luò)在商業(yè)領(lǐng)域第一次成功運(yùn)用，引起了大家對(duì)卷積神經(jīng)網(wǎng)絡(luò)的極大關(guān)注。??２０１２年Ｈｉｎｔｏｎ等人憑借卷積神經(jīng)網(wǎng)絡(luò)ＡｌｅｘＮｅｔ［４］取得ＩｍａｇｅＮｅｔ圖像分類竟賽的冠軍，??大大超過了傳統(tǒng)模型方法。以此為起點(diǎn)，研究者朝著網(wǎng)絡(luò)加深的方向研究出了?ＶＧＧｎｅｔ［９９］，??沿著提高卷積模塊性能開發(fā)了?ＩｎＣｅｐｔｉｏｎＮｅｔ［ｌｆｌ（ＷＱ３］。然而網(wǎng)絡(luò)深度的增加又會(huì)引起梯度消失、??網(wǎng)絡(luò)遐化等問題，基于殘差結(jié)構(gòu)設(shè)計(jì)的ＲｅｓＮｅｔ網(wǎng)絡(luò)被提出。這些經(jīng)典網(wǎng)絡(luò)和技術(shù)的提??出，讓人們很容易訓(xùn)練越來越深的網(wǎng)絡(luò)，在諸多圖像視覺任務(wù)遠(yuǎn)遠(yuǎn)超過了人類本身，將以??神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的

?２視覺對(duì)餌相關(guān)技本研禽基礎(chǔ)??１６＠１０ｘｌ０?１６＠５ｘ５??６＠２８ｘ２８?６＠１４ｘｌ４ｒ?１ｘ８４??Ｍａｘ－Ｐｏｏｌ?Ｃｏｎｖｏｌｕｔｉｏｎ?Ｍａｘ－Ｐｏｏｌ?Ｄｅｎｓｅ??圖＿２－２?ＬｅＮｅｔ網(wǎng)絡(luò)結(jié)構(gòu)圖??２．１．３自編碼器??自動(dòng)編碼器是一個(gè)能夠通過訓(xùn)練神經(jīng)網(wǎng)絡(luò)使得輸出與輸＾入相等的模型結(jié)構(gòu)圖２－３所??不。??ｘ?｜￣￣＾?＼Ｊ＾￣￣ｈ?｜￣￣＾?Ｌ＾Ｊ￣￣＾?｜?ｊ??圖２－３自動(dòng)編碼器結(jié)構(gòu)圖??假設(shè)隱藏層＆可以對(duì)輸入進(jìn)行編碼，則網(wǎng)絡(luò)由兩部分組成，一部分是編碼器函數(shù)??ｈ?＝?ｆ（＜ｒ）?（２－６）??另一部分是解碼器函數(shù)對(duì)編碼進(jìn)行重構(gòu)，??ｘ?＝?ｇ｛ｈ）?（２－７）??隱藏層的雄度通常遠(yuǎn)低于輸入層，網(wǎng)絡(luò)優(yōu)化目標(biāo)是??ｆ，ｇ?＝?ａｒｇｍｉｎ?Ｌ（ｘ，ｇ｛ｆ｛ｘ）））?（２－８）??其中，以．）是衡量怎和ｇ（／（ａ；））相似度的懲罰函數(shù)，９如果ｒ和ｖ（／（ｏｒ））在任何時(shí)候都相等，??這樣的自編碼器是無意義的但是實(shí)際上會(huì)通過一些限制，讓網(wǎng)絡(luò)輸出與輸入近似相等，學(xué)??１４??


本文編號(hào)：3351204