本申请涉及计算机视觉领域，具体涉及一种基于摩尔纹触发器的后门攻击方法、装置、设备及计算机可读存储介质。
背景技术：
1、目前深度神经网络在图像分类、目标检测、语义分割等任务中表现出了显著的性能，然而，这种模型需要输入大量的数据进行训练才能实现最佳性能。因此，相关从业者为了获得尽可能多的数据，往往会从各种来源收集数据，包括互联网和公共数据集。现在的针对图像检测器的后门攻击方法主要集中于针对交通标识的识别、图像分类和人脸识别上，针对行人检测的后门攻击的探索比较少，同时现有的攻击方法大部分都存在着触发器带有明显的视觉异常特征、缺乏隐蔽性的缺陷，在模型训练前容易被发现并清洗出有毒样本，不利于后门触发器攻击的实现。
技术实现思路
1、本申请提供一种基于摩尔纹触发器的后门攻击方法、装置、设备及计算机可读存储介质，可以解决现有技术中存在的攻击方法大部分都存在着触发器带有明显的视觉异常特征、缺乏隐蔽性的缺陷，在模型训练前容易被发现并清洗出有毒样本，不利于后门触发器攻击实现的技术问题。
2、第一方面，本申请实施例提供一种基于摩尔纹触发器的后门攻击方法，所述基于摩尔纹触发器的后门攻击方法包括：
3、根据预设的周期性纹理，生成摩尔纹，并将摩尔纹作为摩尔纹触发器，其中，所述周期性纹理包括水平平行线图案、垂直平行线图案和曲线图案至少一种；
4、基于第一预设样本集和所述摩尔纹触发器，生成带毒数据集；
5、基于所述带毒数据集和第二预设样本集对行人检测器模型进行训练，以将所述摩尔纹作为后门触发器，生成后门攻击模型；
6、通过攻击数据集攻击所述后门攻击模型，获取所述后门攻击模型输出的后门攻击结果。
7、结合第一方面，在一种实施方式中，所述根据预设的周期性纹理，生成摩尔纹，包括：
8、获取预设的周期性纹理中的任意一种图案，并根据预置stg函数对所述图案进行物理形变，生成第一图案，其中，所述物理形变包括拉伸、旋转和网格扭曲；
9、将所述第一图案与预设第二图案按照预置角度进行叠加，生成摩尔纹。
10、结合第一方面，在一种实施方式中，所述根据预置stg函数对所述图案进行物理形变，生成第一图案，包括：
11、根据所述预置stg函数中的第一函数对所述图案进行拉伸、所述预置stg函数中的第二函数对图案进行旋转、所述预置stg函数中的第三函数对图案进行网格扭曲，生成第一图案。
12、结合第一方面，在一种实施方式中，所述基于第一预设样本集和所述摩尔纹触发器，生成带毒数据集，包括：
13、对第一预设样本集中各个样本的人体区域进行掩膜标签分割；
14、将所述第一预设样本集中各个样本分割出人体区域的区域添加所述摩尔纹触发器，生成带毒数据集。
15、结合第一方面，在一种实施方式中，所述基于所述带毒数据集和第二预设样本集对行人检测器模型进行训练，以将所述摩尔纹作为后门触发器，生成后门攻击模型，包括：
16、基于所述带毒数据集和第二预设样本集，生成训练样本集；
17、基于所述训练样本集对行人检测器模型进行训练，以将所述摩尔纹作为后门触发器，并使所述行人检测器模型处于收敛状态，生成后门攻击模型。
18、结合第一方面，在一种实施方式中，所述通过攻击数据集攻击所述后门攻击模型，获取所述后门攻击模型输出的后门攻击结果，包括：
19、所述攻击数据集包括含摩尔纹触发器的人体图像和不含摩尔纹触发器的人体图像；
20、根据所述含摩尔纹触发器的人体图像和不含摩尔纹触发器的人体图像对所述后门攻击模型进行后门攻击，获取所述后门攻击模型输出的后门攻击结果，其中，所述后门攻击结果包括人体区域信息和没有人体区域信息。
21、结合第一方面，在一种实施方式中，所述通过攻击数据集攻击所述后门攻击模型，获取所述后门攻击模型输出的后门攻击结果之后，还包括：
22、统计所述后门攻击结果，其中，所述后门攻击结果包括人体区域信息的数量和没有人体区域信息的数量；
23、根据所述人体区域信息的数量和所述没有人体区域信息的数量，获取所述后门攻击模型的攻击率、训练样本的下毒率、第二预设样本集平均精度和带毒样本集精度。
24、第二方面，本申请实施例提供了一种基于摩尔纹触发器的后门攻击装置，所述基于摩尔纹触发器的后门攻击装置包括：
25、第一生成模块，用于根据预设的周期性纹理，并将摩尔纹作为摩尔纹触发器，生成摩尔纹，其中，所述周期性纹理包括水平平行线图案、垂直平行线图案和曲线图案至少一种；
26、第二生成模块，用于基于第一预设样本集和所述摩尔纹触发器，生成带毒数据集；
27、第三生成模块，用于基于所述带毒数据集和第二预设样本集对行人检测器模型进行训练，以将所述摩尔纹作为后门触发器，生成后门攻击模型；
28、获取模块，用于通过攻击数据集攻击所述后门攻击模型，获取所述后门攻击模型输出的后门攻击结果。
29、第三方面，本申请实施例提供了一种基于摩尔纹触发器的后门攻击设备，所述基于摩尔纹触发器的后门攻击设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的基于摩尔纹触发器的后门攻击程序，其中所述基于摩尔纹触发器的后门攻击程序被所述处理器执行时，实现如上述的基于摩尔纹触发器的后门攻击方法的步骤。
30、第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有基于摩尔纹触发器的后门攻击程序，其中所述基于摩尔纹触发器的后门攻击程序被处理器执行时，实现如上述的基于摩尔纹触发器的后门攻击方法的步骤。
31、本申请实施例提供的技术方案带来的有益效果包括：
32、通过根据预设的周期性纹理，生成摩尔纹，并将摩尔纹作为摩尔纹触发器，其中，所述周期性纹理包括水平平行线图案、垂直平行线图案和曲线图案至少一种；基于第一预设样本集和所述摩尔纹触发器，生成带毒数据集；基于所述带毒数据集和第二预设样本集对行人检测器模型进行训练，以将所述摩尔纹作为后门触发器，生成后门攻击模型；通过攻击数据集攻击所述后门攻击模型，获取所述后门攻击模型输出的后门攻击结果，解决了相关技术中存在的攻击方法大部分都存在着触发器带有明显的视觉异常特征、缺乏隐蔽性的缺陷，在模型训练前容易被发现并清洗出有毒样本，不利于后门触发器攻击实现的技术问题，通过摩尔纹触发器提高图像后门攻击在模型训练阶段以及触发阶段触发器的隐蔽性。
1.一种基于摩尔纹触发器的后门攻击方法，其特征在于，所述基于摩尔纹触发器的后门攻击方法包括：
2.如权利要求1所述的基于摩尔纹触发器的后门攻击方法，其特征在于，所述根据预设的周期性纹理，生成摩尔纹，包括：
3.如权利要求2所述的基于摩尔纹触发器的后门攻击方法，其特征在于，所述根据预置stg函数对所述图案进行物理形变，生成第一图案，包括：
4.如权利要求1所述的基于摩尔纹触发器的后门攻击方法，其特征在于，所述基于第一预设样本集和所述摩尔纹触发器，生成带毒数据集，包括：
5.如权利要求1所述的基于摩尔纹触发器的后门攻击方法，其特征在于，所述基于所述带毒数据集和第二预设样本集对行人检测器模型进行训练，以将所述摩尔纹作为后门触发器，生成后门攻击模型，包括：
6.如权利要求1所述的基于摩尔纹触发器的后门攻击方法，其特征在于，所述通过攻击数据集攻击所述后门攻击模型，获取所述后门攻击模型输出的后门攻击结果，包括：
7.如权利要求1所述的基于摩尔纹触发器的后门攻击方法，其特征在于，所述通过攻击数据集攻击所述后门攻击模型，获取所述后门攻击模型输出的后门攻击结果之后，还包括：
8.一种基于摩尔纹触发器的后门攻击装置，其特征在于，所述基于摩尔纹触发器的后门攻击装置包括：
9.一种基于摩尔纹触发器的后门攻击设备，其特征在于，所述基于摩尔纹触发器的后门攻击设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的基于摩尔纹触发器的后门攻击程序，其中所述基于摩尔纹触发器的后门攻击程序被所述处理器执行时，实现如权利要求1至7中任一项所述的基于摩尔纹触发器的后门攻击方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有基于摩尔纹触发器的后门攻击程序，其中所述基于摩尔纹触发器的后门攻击程序被处理器执行时，实现如权利要求1至7中任一项所述的基于摩尔纹触发器的后门攻击方法的步骤。
