计算机工程与应用

2022, v.58;No.992(01) 152-157

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

新冠肺炎CT影像的DNN对抗攻击研究
Research of DNN Adversarial Attack on COVID-19 CT Image Dataset

胡耿;蔡延光;

摘要(Abstract):

在深度学习应用于新型冠状肺炎CT智能识别的研究中,大量研究人员通过构建深度神经网络训练模型,从而理解医学影像数据内容,辅助新冠肺炎诊断。提出AMDRC-Net架构,其中的残差结构,通过恒等映射解决了网络退化问题,与此同时,针对残差结构阻碍新特征探索的新问题,受到注意力机制等最新研究启发,研究了长短注意力引导机制。关注深度学习模型安全性问题,讨论基于梯度上升的对抗攻击方法;为了解决其单一性问题,通过长短注意力机制,增加有效对抗扰动的同时减少冗余扰动,紧接着,提出的对抗攻击算法A-IM-FGSM,将对抗攻击问题转化为自适应约束问题,即可微变换思想用于迭代攻击中,探究注意力引导机制与DNN对抗攻击的相互关系。最后进行的实验中,在新型冠状肺炎CT数据集上,通过AMDRC-Net进行模型训练,设计对比实验、可视化实验、对抗攻击实验。

关键词(KeyWords): 新冠肺炎CT影像;注意力引导机制;深度学习;DNN对抗攻击

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金(61074147);; 广东省自然科学基金(S2011010005059);; 广东省教育部产学研结合项目(2012B091000171,2011B090400460);; 广东省科技计划项目(2012B050600028,2014B010118004,2016A050502060);; 广州市花都区科技计划项目(HD14ZD001);; 广州市科技计划项目(201604016055);; 广州市天河区科技计划项目(2018CX005)

作者(Author): 胡耿;蔡延光;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享