一种基于扩散模型混合采样的人脸对抗样本防御方法

本发明涉及计算机技术领域，具体涉及一种基于扩散模型混合采样的人脸对抗样本防御方法。该方法对传统扩散模型的逆向去噪过程进行改进，采用分阶段采样策略。在第一阶段引入DDIM采样以实现快速轻度去噪，在有效削弱对抗扰动的同时最大限度保留人脸结构特征，从而提升身份识别的准确率。第二阶段引入DPM++2M Karras采样进行高质量精细重构，消除残留扰动并增强图像清晰度，从而显著提高防御成功率。采用动态净化比例调控机制，用于自适应调整去噪与重构强度，实现扰动抑制与特征保持之间的平衡。本发明在提高人脸对抗样本防御效果的同时，降低净化过程对人脸身份特征的破坏，提高人脸识别系统在对抗攻击环境下的安全性和稳定性。