一种基于相关性类激活映射的通用对抗扰动生成方法

本发明公开了一种基于相关性类激活映射的通用对抗扰动生成方法，属于对抗机器学习领域。目前，该领域的关键技术问题是深度神经网络决策可解释性和对抗样本可迁移性增强。本发明利用层间相关性传播与类激活映射级联的方式来生成并优化通用对抗扰动，进而理解深度神经网络的关注点。首先利用深度神经网络分类器计算出干净样本的原始标签类和其他错误标签类，然后，通过前向传播的类激活映射特征图与相关性系数线性权重组合，使原始标签的最终热力图贡献最小，其他错误类的热力图贡献最大，再通过最小化相关性类激活映射损失函数来迭代更新通用对抗扰动，从而形成迁移性强的通用对抗扰动，提高对抗样本的攻击成功率。