视频对抗攻击系统
1、立项背景和目标:针对主流视频识别系统开发对抗攻击能力,测试深度学习模型的鲁棒性与安全性。项目目标是实现视频帧级对抗样本的自动化生成,验证目标模型在对抗扰动下的误判率。
2、软件功能和核心模块:支持CPU和GPU双版本运行,包含视频解码与帧序列提取、基于TensorFlow的对抗扰动生成(FGSM/PGD等算法)、扰动后视频重组编码、攻击效果评估(扰动强度、PSNR、攻击成功率)四大模块。
3、业务流程:输入待测试视频 → 帧序列提取 → 选择攻击算法与参数 → 逐帧注入对抗扰动 → 视频编码输出 → 喂入目标识别模型测试 → 统计攻击成功率与扰动质量指标。
电商
音视频