一种基于图像修正惩罚的梯度反演攻击方法

本发明公开了一种基于图像修正惩罚的梯度反演攻击方法，采用自适应过参数化网络作为图像生成器，通过动态调整生成器的通道数，增强网络捕捉复杂数据分布的能力。从不同的随机种子产生噪声输入，计算所有候选图像的配准平均图像，在每个优化过程中引入了一个图像修正惩罚项，以减少假图像与真实图像在视觉上的偏差，确保模型有足够的表达能力来处理大批量和高分辨率图像数据。使用全连接层作为标签生成器，两个生成器联合优化，使其生成的假图像和假标签能够逼近真实梯度，进而稳定地恢复数据。本发明通过图像修正惩罚项和过参数设计，能够捕捉复杂的数据分布，提升优化的稳定性，提高重建图像的质量，揭露更多的隐私信息。