一种基于提示词的自然对抗补丁生成方法

目标检测技术在自动驾驶、视频监控等领域得到了广泛应用。近年来目标检测器面临着日益严峻的对抗攻击威胁，特别是对抗补丁攻击。对抗补丁是针对深度学习模型图像区域，通过干扰模型的正常预测来误导检测结果。传统的对抗补丁多为无语义的随机图案，难以在实际场景中保持隐蔽性，影响了其应用效果。为解决这一问题，本发明提出了一种基于提示词的自然对抗补丁(PNAP)生成方法。该方法通过利用潜在扩散模型(LDM)文生图技术，利用提示词来生成具有语义性和隐蔽性的对抗补丁。通过设计的组合损失函数，优化LDM的潜变量，使生成的补丁在目标检测模型中具有更强的攻击性能。本发明的PNAP生成方法具有显著的实用性，特别是在重要目标反智能防护场景。