[发明专利]一种结构化数据样本的增量方法、装置、电子设备及介质

说明书

本申请公开了一种结构化数据样本的增量方法，为解决现有生成对抗网络无法实现对数据类型为结构化数据的原始样本生成新样本的技术缺陷，本申请在将结构化数据原始样本输入生成对抗网络之前，先执行将非量化的结构数据转换为量化参数的转换操作，也就是通过将非量化的结构信息使用量化的参数进行表示，使得使用量化参数表示的原始样本满足通过生成对抗网络根据原始样本生成新样本的前提条件。通过本申请提供的技术方案，将生成对抗网络的应用领域范围拓宽至结构化数据领域，使得结构化数据样本也可以利用生成对抗网络生成高质量的新样本。本申请还同时公开一种结构化数据样本的增量装置、电子设备及计算机可读存储介质，具有上述有益效果。

技术领域

本申请涉及新样本生成领域，特别涉及一种结构化数据样本的增量方法、装置、电子设备及计算机可读存储介质。

背景技术

生成式对抗网络(GAN,Generative Adversarial Networks)是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。区别于其它深度学习模型，生成对抗网络中通过互相博弈的生成模型(Generative Model)和判别模型(DiscriminativeModel)，能够产生高质量的输出。博弈的过程也是对抗学习的过程，在博弈过程中：生成模型负责根据输入数据生成新数据，并力求自己生成的新数据能够通过判别模型的判别，判别模型则通过尽可能严格的判别筛选出不符合要求的新数据，以输出通过判别的新数据。在不断的对抗学习中，使得最终可以输出较高质量的数据。

由于生成对抗网络的上述特性，被广泛用于根据原始样本获得高质量新样本，但通过生成对抗网络生成新样本的样本适用范围被限定于表示为量化数值的连续型数据，无法适用于包含结构信息(诸如头文件或头信息中的特殊格式、不同数据间的结构信息、位置信息等等)的结构化数据，这是因为现有生成对抗网络是通过调整原始样本量化数值的方式来生成新样本的，而结构信息通常使用非量化的方式进行表示，因此现有生成对抗网络并不支持。

以图像为例，在根据原始图像生成新图像时，是通过修改图像某些像素点的灰度值大小的方式来实现，即某个像素点的灰度值为200，生成对抗网络可通过将这个值改为201的方式得到该新的样本。但是对于单词“Apple”，却并没有“Apple+1这个单词。同理，结构化数据也因其中包含的非量化的结构信息，使得无法通过现有生成对抗网络来得此类型数据的新样本。而对于包含大量结构信息的网页等结构化数据因为网络安全的需求，往往需要足够多、质量足够高的样本来进行安全性判定，而单纯的等待真实样本的出现是无法对不断出现的新特征实现良好的检测，特别是包含恶意数据的篡改网页，恶意数据的种类日新月异、五花八门，切实存在通过更及时、更主动的得到高质量样本来提升篡改网页检测精度的要求。

因此，如何克服现有无法利用生成对抗网络对数据类型为结构化数据的原始样本生成新样本的技术缺陷，是本领域技术人员亟待解决的问题。

发明内容

本申请提供了一种结构化数据样本的增量方法、装置、电子设备及计算机可读存储介质，旨在解决现有生成对抗网络无法用于数据类型为结构化数据的原始样本生成新样本的问题。

为实现上述目的，本申请首先提供了一种结构化数据样本的增量方法，该增量方法包括：

获取数据类型为结构化数据的原始样本；

将所述原始样本中非量化的结构化数据转换为量化参数；

将使用所述量化参数表示的原始样本输入生成对抗网络；

在所述生成对抗网络中以修改所述量化参数的方式得到新样本。

可选的，将所述原始样本中非量化的结构化数据转换为量化参数，包括：

将所述原始样本中非量化的结构化数据转换为量化的特征向量；

对应的，在所述生成对抗网络中以修改所述量化参数的方式得到新样本，包括：