Resumen

La tecnología de aprendizaje profundo (una estructura de red más profunda y optimizada) y la imagen de teledetección (es decir, los datos de teledetección más multisource y más multicategoría) han desarrollado rápidamente. Aunque la red neuronal convolucional profunda (CNN) ha logrado un rendimiento de vanguardia en la clasificación de escenas de imagen de teledetección (RSI), la existencia de ataques adversarios plantea una amenaza de seguridad potencial para la tarea de clasificación de escenas de RSI basada en CNN. Las muestras adversarias correspondientes pueden generarse agregando una pequeña perturbación a las imágenes originales. Al alimentar al clasificador basado en CNN con las muestras adversarias, el clasificador clasifica erróneamente con alta confianza. Para lograr una tasa de éxito de ataque más alta contra la clasificación de escenas basada en CNN, introducimos el método de descenso de gradiente proyectado para generar imágenes de teledetección adversarias. Luego, seleccionamos varios clasificadores basados en CNN como los

• Materias:Cifrado de búsqueda Seguridad informática Reconstrucción virtual Detección de intrusos Sistema de programación
• Subjects:Search encryption Computer security Virtual reconstruction Intrusion detection Programming system
• Palabras claves:Aprendizaje profundo; Imágenes de teledetección; Red neuronal convolucional; Ataques adversarios; Descenso de gradiente proyectado; Clasificación de escenas.
• Keywords:Deep learning; Remote sensing imaging; Convolutional neural network; Adversarial attacks; Projected gradient descent; Scene classification