买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京理工大学

摘要：本发明属于图像防御技术领域，涉及一种基于生成对抗网络的掌静脉图像防御方法。所述掌静脉图像防御方法，包括数据预处理、生成对抗网络训练与测试匹配；通过基于SwinTransformer的Unet结构构建类DiscoGAN跨域关系发现生成对抗网络的SwinGAN，实现掌静脉识别与SwinGAN对抗攻击防御；对抗攻击防御通过生成器、鉴别器及损失函数实现；生成器包括浅层卷积、下采样、上采样及SwinTransformer；所述方法提高生成、对抗网络的特征提取能力并通过改进的DiscoGAN训练框架训练得到一个生成器用于防御对抗攻击，在输入图像阶段通过生成器进行图像预处理重构出消除对抗扰动的原始图像。

主权项：1.一种基于生成对抗网络的掌静脉图像防御系统，其特征在于，具有两种工作模式，分别为模型训练模式以及匹配评估模式；所述掌静脉图像防御系统包括数据预处理模块、生成对抗网络及识别模块；所述生成对抗网络包括防御生成器子模块、攻击生成器子模块、鉴别器子模块和损失函数子模块；所述数据预处理模块包括数据集分类模块及FGSM对抗样本生成子模块；所述数据预处理模块，用于对输入的数据进行预处理和分类；所述预处理依据所述模型训练模式及匹配评估模式而不同；模型训练模式的预处理，通过所述数据集分类模块接收原始掌静脉图像并进行数据集分类，得到分类好的原始数据集；再经过FGSM对抗样本生成子模块进行FGSM对抗样本生成，再将生成的对抗样本数据集及分类好的原始数据集总的图像输入给所述生成对抗网络；匹配评估模式的预处理，所述数据预处理模块接收原始掌静脉图像，通过所述数据集分类模块后得到分类好的原始数据集，再将原始数据集中测试数据集的图像输入给所述生成对抗网络；生成对抗网络的模型训练模式中，接收到的原始掌静脉图像经过所述攻击生成器子模块和防御生成器子模块重构出新的图片，再将对抗样本图像经过攻击生成器子模块和防御生成器子模块重构出新的图片，随后将生成图像与原始的对抗样本和纯净图像输入所述鉴别器子模块判断生成两种图像的质量；所述损失函数子模块将生成的两种图像的质量，不断优化防御生成器及攻击生成器，得到训练好的防御生成器子模块及攻击生成器子模块的参数；生成对抗网络的匹配评估模式，采用训练好的防御生成器子模块的参数且不计算损失函数，仅将图像通过防御生成器网络重构图像，随后通过别分类器进行识别准确率计算；识别模块的模型训练模式，在生成对抗网络训练完成后，将防御生成器固定为训练好的防御生成器子模块的参数；识别模块的匹配评估模式，将前述图像预处理之后的测试样例输入到防御生成器子模块，重构后输入到识别分类器中评估识别准确率。

全文数据：

权利要求：

百度查询： 北京理工大学 一种基于生成对抗网络的掌静脉图像防御方法