ganfuzz

• 1.先使用python实现四种变异算法
• 2.跑通一个gan模型 开元的都行
• 3.跑通gan模型之后确定输入是向量 输出是图片
• 4.输入向量输入之前使用第一步的四个算法先进行变异
• 5.把输入方式改为从向量组中随机选择一个向量进行输入到gan模型中 然后让其生成图片
• 6.使用的gan模型是基于Mnist数据集训练的
• 7.再找一个Mnist的分类模型 输入是图片 输出是图片的类型 把这个模型用来预测Gan生成的图片 为每个图片生成一个标签
• 8.此时 系统可以从多个向量中选择一个向量经过变异后输出一张数字图片 然后该图片可以通过分类模型预测并分配其标签
• 9.分类模型除了给出标签还会给出置信度信息 根据置信度的值的大小来决定此时的种子向量是否应该添加到种子队列中 具体而言 我们先计算原本种子队列里的所有向量的平均置信度 如果此种子的置信度小于种子队列的平均置信置信度 就将其加入种子队列 并更新种子队列的置信度
• 10.第九步的过程不停循环直至500次或者队列里的平均置信度小于0.2时停止 此时我们取出队列中的最后放入的20个种子 输入到gan中将其得到的图片可视化展示