基于自适应梯度时序特征剪枝的动作识别迁移攻击方法

本发明公开了基于自适应梯度时序特征剪枝的动作识别迁移攻击方法。首先获取原始正样本集合，构建通道掩膜模块，输出加权通道掩膜样本；构建时序特征剪枝模块，利用通道重要性和时序冗余获得多个剪枝模型；构建自适应梯度融合模块，通过自适应分配代理模型获得对抗扰动；最后，通过迭代快速梯度符号法生成对抗样本，并将对抗样本输入到待攻击模型，完成动作识别攻击任务。本发明方法利用时序特征剪枝和自适应融合策略，防止对抗样本过度关注冗余时序特征；由源代理模型和多个剪枝模型构成的集成代理模型，可自适应融合不同代理模型的梯度，增强了对抗样本的可迁移性，提升了对动作识别模型的攻击强度；可应用于人机交互、自动驾驶等场景。