深度学习模型隐蔽攻击方法及系统

1.深度学习模型隐蔽攻击方法，其特征在于，所述方法包括：

2.根据权利要求1所述的深度学习模型隐蔽攻击方法，其特征在于，所述s1中，在所述梯度加权类激活映射grad-cam方法中，使用所述目标深度学习模型的最后一层卷积层，处理得到目标类别相关梯度信息，以得到梯度权重，利用所述梯度权重对所述卷积层输出的特征图进行加权操作，生成所述模型关注焦点热力图。

3.根据权利要求1所述的深度学习模型隐蔽攻击方法，其特征在于，所述s1包括：

4.根据权利要求3所述的深度学习模型隐蔽攻击方法，其特征在于，所述s11中，利用下述逻辑，处理得到梯度加权类激活映射sgrad-cam：

5.根据权利要求3所述的深度学习模型隐蔽攻击方法，其特征在于，所述s12中，通过对目标类别c的得分对于所述特征图ak的梯度，进行所述全局平均池化操作，以得到所述梯度权重

6.根据权利要求1所述的深度学习模型隐蔽攻击方法，其特征在于，所述s2包括：

7.根据权利要求1所述的深度学习模型隐蔽攻击方法，其特征在于，所述s3包括：

8.根据权利要求7所述的深度学习模型隐蔽攻击方法，其特征在于，所述s33包括：

9.根据权利要求1所述的深度学习模型隐蔽攻击方法，其特征在于，所述s5包括：

10.深度学习模型隐蔽攻击系统，其特征在于，所述系统包括：