[发明专利]基于迁移的对抗性环境下的防御毒化攻击的学习方法在审
| 申请号： | 201710070249.3 | 申请日： | 2017-02-09 |
| 公开（公告）号： | CN106934462A | 公开（公告）日： | 2017-07-07 |
| 发明（设计）人： | 舒滢;陈百基 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G06N99/00 | 分类号： | G06N99/00;G06K9/62 |
| 代理公司： | 广州市华学知识产权代理有限公司44245 | 代理人： | 李斌 |
| 地址： | 510640 广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于迁移的对抗性环境下的防御毒化攻击的学习方法，步骤包括收集原始数据集并对其进行划分成源数据集T和辅助数据集S，对源数据集T和辅助数据集S进行初始化权重；进入迭代过程，每次迭代赋予源数据集T不同权重，辅助数据集S给与迭代后更新的权重；根据每次迭代的结果调整下一次迭代的权重，最终找到辅助数据集S中的一些与源数据集T样本相似的样本；使用多次迭代后辅助数据集S的权重与初始源数据集T的权重共同训练一个最终分类器Lfinal。本发明基于迁移学习算法，以少量干净数据为参照目标，降低含有攻击的大量数据集中的攻击影响，从而获得一个知识丰富且干净的数据集构造一个鲁棒性良好的学习算法。 | ||
| 搜索关键词： | 基于 迁移 对抗性 环境 防御 毒化 攻击 学习方法 | ||
【主权项】：
一种基于迁移的对抗性环境下的防御毒化攻击的学习方法，其特征在于，包括如下步骤：S1、收集原始数据集并对其进行划分成源数据集T和辅助数据集S，对源数据集T和辅助数据集S进行初始化权重；S2、进入迭代过程，每次迭代赋予源数据集T不同权重，辅助数据集S给与迭代后更新的权重，若为第一次迭代，则辅助数据集S使用初始权重；根据每次迭代的结果调整下一次迭代的权重，多次迭代中不同重要度的源数据集T样本为辅助数据集S样本的权重更新提供参考，最终找到辅助数据集S中的一些与源数据集T样本相似的样本；S3、使用多次迭代后辅助数据集S的权重与初始源数据集T的权重共同训练一个最终分类器Lfinal。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华南理工大学，未经华南理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710070249.3/，转载请声明来源钻瓜专利网。
