基于平行注意力机制的对抗样本防御方法

为降低对抗样本的影响，提高分类模型在遭受攻击威胁下的精度，利用哺乳动物视觉系统工作原理，结合注意力机制，提出一种新型防御对抗样本模型PSCAM-GAN(Parallel Spatial and Channel Attention Mechanism Adversarial Generative Network)。该防御模型在通过编码器获得对抗样本的特征图后，使用平行注意力机制提取特征图中的个体和位置信息，然后在保证这些特征不变的情况下，重新调整特征图的权重，通过解码器产生净化结果。该方法能在清除恶意扰动的同时保持净化结果与输入的一致性，有效降低对抗样本对模型精度的影响。在CIFAR-10和MNIST数据集上，PSCAM-GAN面对多种对抗样本攻击时的防御效果超越了其他基于预处理的防御方法，能有效提高模型的健壮性。