[发明专利]用于保护图案分类节点免受恶意请求的方法及相关网络和节点

权利要求书

1.一种由保护节点(212)执行的用于保护图案分类节点(222)免受恶意请求的方法，所述方法包括：

从用户节点(214)接收(305、401)请求，所述请求包含要通过由所述图案分类节点所执行的机器学习算法来分类的原始图案；

向所述原始图案添加(311、403)噪声以生成有噪声图案；

基于通过由所述保护节点所执行的所述机器学习算法的第一克隆对所述有噪声图案的处理，获得(313、315、405)所述有噪声图案的第一分类；

基于转发对通过由所述图案分类节点所执行的所述机器学习算法来处理所述原始图案的所述请求，获得(317、319、407)所述原始图案的第二分类；

比较(321、409)所述第一分类和所述第二分类，以确定所述第一分类和所述第二分类是否满足所定义的相似性规则；以及

使用(323、325、327、329、331、333、335、337、411)所述比较以管理来自所述用户节点的所述请求。

2.根据权利要求1所述的方法，其中，使用所述比较以管理来自所述用户节点的所述请求包括：

当所述第一分类和所述第二分类不满足所述所定义的相似性规则时，将与所述用户节点相关联的标识符添加(323)到第一数据库(218)中的不信任列表中，其中，在从所述不信任列表中包含的标识符接收的请求被转发到所述图案分类节点之前，所述保护节点阻拦从所述不信任列表中包含的标识符接收的请求，或者监视从所述不信任列表中包含的标识符接收的请求以用于潜在的未来阻拦。

3.根据权利要求1至2中任一项所述的方法，还包括：

重复所述接收(305、501)、所述添加噪声(311、501)、所述获得第一分类(313、315、501)、所述获得第二分类(317、319、501)、所述比较(321、501)；

对于确定针对所述请求之一而获得的所述第一分类和所述第二分类不满足所述所定义的相似性规则的每个实例，将从所述请求之一获得的信息存储(325、503)在第二数据库(220)中包含的风险信息集合中；

从所述第二数据库(220)取得(333、505)所述风险信息集合；以及

向在训练节点(224)处的所述机器学习算法的第二克隆转发(335、507)所述风险信息集合，以使用所述风险信息集合来训练所述机器学习算法的所述第二克隆以识别出所述请求中的所述原始图案的所述第二分类是不正确的。

4.根据权利要求1至3中任一项所述的方法，其中，使用所述比较以管理来自所述用户节点的所述请求包括：

当所述第一分类和所述第二分类不满足所述所定义的相似性规则时，向所述用户节点发送(327、329、509)所述第二分类。

5.根据权利要求1至4中任一项所述的方法，其中，所述图案包括以下中的一个：图像，视频帧，音频样本，以及数据流样本。

6.根据权利要求2至3中任一项所述的方法，其中，所述第一数据库和所述第二数据库驻留在单个数据库结构中。

7.根据权利要求1至6中任一项所述的方法，其中，所述机器学习算法是神经网络。

8.根据权利要求1至7中任一项所述的方法，其中，所述保护节点包括执行所述机器学习算法的所述第一克隆的蜜罐服务器。