一种抗迁移攻击的模型迁移训练方法

本发明属于人工智能安全与计算机视觉的交叉领域，具体涉及一种抗迁移攻击的模型迁移训练方法，该方法用于基于CNN的人脸识别模型与基于Transformer网络的人脸识别模型之前的迁移训练，基于梯度优化生成对抗样本，利用对抗样本和普通样本混合的数据集进行迁移训练。本发明利用了积分梯度在卷积神经网络和transoformer网络中的共性，通过积分梯度生成对抗样本提升了跨模型场景下的迁移性。这一研究不仅有助于揭示不同网络架构的特征提取机制，还将为提升对抗样本的普适性提供新的思路和方法。