技术特征：
1.桥梁结构健康监测数据驱动模型的对抗样本攻击方法，其特征在于，包括以下步骤：步骤1)获取目标桥梁结构的健康监测数据驱动模型的输入数据作为原始数据；步骤2)以目标桥梁结构的健康监测数据驱动模型作为目标模型，并获取目标模型的信息；步骤3)根据步骤2)中获取的目标模型的信息选择对抗样本的生成方式，并设置扰动值；步骤4)根据步骤3)中选择的对抗样本的生成方式和扰动值生成与原始数据对应的对抗样本；步骤5)将步骤4)中生成的对抗样本作为目标模型的输入以对目标模型进行攻击；步骤6)对步骤5)中对抗样本的攻击效果进行评价，以实现对目标桥梁结构的健康监测数据驱动模型进行的测试；步骤7)结束。2.根据权利要求1所述的桥梁结构健康监测数据驱动模型的对抗样本攻击方法，其特征在于，步骤2)中，获取的目标模型的信息包括目标模型的网络结构、参数、以及输入输出对应关系。3.根据权利要求2所述的桥梁结构健康监测数据驱动模型的对抗样本攻击方法，其特征在于，步骤3)中，若步骤2)能够获取目标模型完整的网格结构和参数，则选择白盒攻击模式作为对抗样本的生成方式，若步骤2)中未能获取目标模型完整的网格结构和参数，则选择黑盒攻击模式作为对抗样本的生成方式。4.根据权利要求3所述的桥梁结构健康监测数据驱动模型的对抗样本攻击方法，其特征在于，白盒攻击模式的对抗样本生成方式包括快速梯度下降法、基本迭代法和雅可比显著图攻击法；黑盒攻击模式的对抗样本生成方式包括为单像素攻击法、动量迭代快速梯度下降法和通用扰动法。5.根据权利要求1所述的桥梁结构健康监测数据驱动模型的对抗样本攻击方法，其特征在于，步骤5)中，若对抗样本被目标模型错误分类一次，则计为攻击成功一次，统计对抗样本攻击成功的次数。6.根据权利要求5所述的桥梁结构健康监测数据驱动模型的对抗样本攻击方法，其特征在于，步骤6)中，以对抗样本的攻击成功率asr来评价对抗样本的攻击效果，且攻击成功率asr计算公式如下：式中：n
suc
表示攻击成功的对抗样本的数量，n
all
表示对抗样本的总数。7.根据权利要求6所述的桥梁结构健康监测数据驱动模型的对抗样本攻击方法，其特征在于，步骤6)中，若对抗样本的攻击成功率asr小于预设值，则加大扰动值后返回步骤4)中重新生成对抗样本，若对抗样本的攻击成功率asr大于等于预设值，则执行步骤7)。8.根据权利要求1所述的桥梁结构健康监测数据驱动模型的对抗样本攻击方法，其特征在于，目标模型为神经网络模型、支持向量机模型或决策树模型。9.一种实现如权利要求1所述的桥梁结构健康监测数据驱动模型的对抗样本攻击方法
的系统，其特征在于，包括：数据和模型信息获取模块，所述数据和模型信息获取模块用于获取目标桥梁结构的健康监测数据驱动模型的输入数据作为原始数据，并以目标桥梁结构的健康监测数据驱动模型作为目标模型，获取目标模型的信息；对抗样本生成模块，所述对抗样本生成模块用于根据获取到的原始数据和目标模型的信息，选取相应的对抗样本生成方式，并设置扰动值，根据选取的对抗样本生成方式和扰动值生成与原始数据对应的对抗样本。攻击模块，所述攻击模块用于将所述对抗样本生成模块生成的对抗样本作为目标模型的输入去攻击目标模型；攻击效果评价模块，所述攻击效果评价模块用于计算对抗样本的攻击成功率，若攻击成功率大于等于预设值则攻击成功；若攻击成功率小于预设值则给所述对抗样本生成模块发送加大扰动值的信号，以使得所述对抗样本生成模块重新生成对抗样本。
技术总结
本发明公开了一种桥梁结构健康监测数据驱动模型的对抗样本攻击方法及系统，该方法包括：步骤1)获取原始数据；步骤2)获取目标模型的信息；步骤3)根据步骤2)中获取的目标模型的信息选择对抗样本的生成方式，并设置扰动值；步骤4)根据步骤3)中选择的对抗样本的生成方式和扰动值生成与原始数据对应的对抗样本；步骤5)将步骤4)中生成的对抗样本作为目标模型的输入以对目标模型进行攻击；步骤6)对步骤5)中对抗样本的攻击效果进行评价；步骤7)结束。本发明提出的攻击方法攻击成功率高且极具隐蔽性，可以用于评估桥梁结构健康监测数据驱动模型的鲁棒性，具有较高的实用价值。具有较高的实用价值。具有较高的实用价值。
技术研发人员：杨祥立 邓曦洁 王笛 杨建喜
受保护的技术使用者：重庆交通大学
技术研发日：2022.04.25
技术公布日：2022/8/5