一种基于语义感知多粒度补丁的特征重要性对抗攻击方法

本发明涉及一种基于语义感知多粒度补丁的特征重要性对抗攻击方法，包括如下步骤：首先利用空间与颜色联合度量，将输入图像划分为具有不规则边界的多粒度补丁，构建语义感知的补丁结构；再在代理模型中间层计算每个补丁的特征重要性，并结合随机颜色扰动方式生成多组变换图像；随后，聚合多个粒度与变换设置下的中间层梯度，构成多粒度聚合梯度用于更新扰动；为提升攻击效率和迁移性，该方法将攻击过程划分为多个阶段，逐层利用浅层与中间层的特征信息优化模型扰动能力。通过实验证明，所本方法能够有效增强对抗样本的跨模型迁移性，提升攻击性能，具有良好的通用性与扩展性。