一种针对高光谱图像分类的可迁移对抗攻击方法

本发明公开了一种针对高光谱图像分类的可迁移对抗攻击方法，旨在利用白盒模型生成具有迁移性的对抗样本，从而实现对目标黑盒模型的有效攻击，该方法包括：选择白盒高光谱图像分类模型作为源模型，通过反向传播算法计算各波段梯度，确定波段重要性分数；基于重要性分数计算波段的像素遮蔽概率，并对图像进行随机像素遮蔽；对多次随机遮蔽下的梯度信息进行聚合，得到聚合梯度值；结合聚合梯度与特征矩阵设计损失函数，并以此指导对抗样本生成；最终，将生成的对抗样本应用于黑盒模型，实施迁移攻击。本发明生成的对抗样本具有较强的迁移性、通用性与适应性，为高光谱图像分类领域的安全性研究提供了新思路。