一种基于马氏距离的自适应参数对抗训练方法

本申请涉及人工智能的技术领域，公开一种基于马氏距离的自适应参数对抗训练方法，包括：将每个样本的扰动大小设置为零，得到初始化对抗样本；针对每个初始化对抗样本进行迭代攻击生成对抗样本；迭代攻击完成后，将对抗样本与对应的干净样本与进行合并，作为更新模型参数的基础依据；对抗训练包括：在每次迭代攻击的过程中，计算当前迭代攻击得到的对抗样本与目标攻击类别分布之间的马氏距离；基于马氏距离在距离约束策略下的判断结果，对下一次迭代攻击的扰动大小和迭代总次数进行自适应调整，限制干净样本与对抗样本之间的马氏距离，缓解二者交叉混合，更好地分离不同类别的样本，以提升自然精度，从而提升模型的准确性。