[发明专利]应用于人工智能模型的测试样本的获取方法

权利要求书

1.一种应用于人工智能模型的测试样本的获取方法，其特征在于，应用于测试参与端，所述应用于人工智能模型的测试样本的获取方法包括以下步骤：

接收初始样本参数，其中，所述初始样本参数是训练样本的各个特征的SHAP值；

根据本地各个候选样本的特征的SHAP值以及所述初始样本参数，确定每个所述候选样本与所述初始样本参数对应的训练样本之间的距离；

根据每个所述候选样本对应的距离，在各个所述候选样本中确定与所述训练样本距离最近的候选样本，作为测试样本。

2.根据权利要求1所述的应用于人工智能模型的测试样本的获取方法，其特征在于，所述根据每个所述候选样本对应的距离，在各个所述候选样本中确定与所述训练样本距离最近的候选样本，测试样本的步骤之后，还包括：

确定所述测试样本是否满足设定条件；

在所述测试样本不满足设定条件时，根据所述测试样本的各个特征的SHAP值对初始样本参数进行更新；

返回执行所述根据本地的各个候选样本的特征的SHAP值以及所述初始样本数据，确定每个所述候选样本与所述初始样本数据对应的训练样本之间的距离的步骤。

3.根据权利要求2所述的应用于人工智能模型的测试样本的获取方法，其特征在于，所述根据所述测试样本的各个特征的SHAP值对初始样本参数进行更新的步骤包括：

根据所述测试样本的各个特征的SHAP值以及所述初始样本参数，确定所述测试样本的每个所述特征对应的SHAP均值；

将每个所述SHAP均值均确定为更新后初始样本参数。

4.根据权利要求2所述的应用于人工智能模型的测试样本的获取方法，其特征在于，所述设定条件包括以下至少一种：

所述测试样本的总数量大于或等于第一预设数量；

剩下的所述候选样本的数量小于第二预设数量；

所述测试样本的M个特征的SHAP值均小于门限值。

5.根据权利要求1-4中任一项所述的应用于人工智能模型的测试样本的获取方法，其特征在于，所述根据每个所述候选样本对应的距离，在各个所述候选样本中确定与所述初始样本参数距离最近的候选样本，作为测试样本的步骤之后，还包括

根据各个所述测试样本确定数据质量指标，并采用测试模型对各个所述测试样本进行测试得到测试结果；

将所述数据质量指标以及所述测试结果发送至测试调度端。

6.根据权利要求5所述的应用于人工智能模型的测试样本的获取方法，其特征在于，所述根据每个所述候选样本对应的距离，在各个所述候选样本中确定与所述训练样本距离最近的候选样本，作为测试样本的步骤之后，还包括

获取测试调度终端发送的第一全局数据重要性数值、全局数据重要性数值的允许差值以及各个所述测试样本中特征重要性的最大差，并根据各个所述测试样本的SHAP值确定第二全局数据重要性数值；

在所述第一全局数据重要性数值与所述第二全局数据重要性数值之间的差值与所述最大差的差值，小于所述允许差值时，执行所述根据各个所述测试样本确定数据质量指标的步骤；

在所述第一全局数据重要性数值与所述第二全局数据重要性数值之间的差值与所述最大差之间的差值，大于或等于所述允许差值时，将默认结果作为测试结果，且将默认数值作为数据质量指标。

7.一种应用于人工智能模型的测试样本的获取方法，其特征在于，应用于测试调度端，所述应用于人工智能模型的测试样本的获取方法包括：

接收模型提供端发送的测试模型以及初始样本参数，其中，所述初始样本参数是训练样本的各个特征的SHAP值；

将所述测试模型以及所述初始样本参数发送至各个测试参与端，其中，所述初始样本参数用于所述测试参与端在本地的各个候选样本中确定与所述训练样本距离最近的测试样本，所述测试模型用于所述测试参与端根据所述测试样本进行测试；

接收各个所述测试参与端发送的测试结果以及数据质量指标，根据各个所述测试结果以及各个所述数据质量指标，确定全局测试结果。