[发明专利]一种深度学习系统的漏洞检测方法和装置有效
| 申请号： | 201810878887.2 | 申请日： | 2018-08-03 |
| 公开（公告）号： | CN109190379B | 公开（公告）日： | 2020-05-19 |
| 发明（设计）人： | 赵越;郭建敏;姜宇;顾明;孙家广 | 申请（专利权）人： | 清华大学 |
| 主分类号： | G06F21/57 | 分类号： | G06F21/57;G06N3/04;G06N3/08 |
| 代理公司： | 北京路浩知识产权代理有限公司 11002 | 代理人： | 王莹;吴欢燕 |
| 地址： | 100084 北京市海*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例提供一种深度学习系统的漏洞检测方法和装置，其中方法包括：以最大化神经元覆盖率为导向，从待测深度学习系统中选取并激活若干个神经元；基于若干个神经元的张量表达式，以及待测深度学习系统的预测差的张量表达式，构建优化函数，并通过最大化优化函数获取若干个扰动；若所述若干个扰动中任一扰动满足预设条件，则基于该扰动获取检测样本，通过检测样本对待测深度学习系统的漏洞进行检测。本发明实施例提供的方法和装置，能够有效提升神经元覆盖率，使得检测过程更加完备，并且只需要一个深度学习系统，使得漏洞检测方法的应用场景更为广泛，此外，能够生成大量样本，提高了待测深度学习系统漏洞的检测效率。 | ||
| 搜索关键词： | 一种 深度 学习 系统 漏洞 检测 方法 装置 | ||
【主权项】：
1.一种深度学习系统的漏洞检测方法，其特征在于，包括：以最大化神经元覆盖率为导向，从待测深度学习系统中选取并激活若干个神经元；基于所述若干个神经元的张量表达式，以及所述待测深度学习系统的预测差的张量表达式，构建优化函数，并通过最大化所述优化函数获取若干个扰动；其中，所述预测差为所述待测深度学习系统的预设标签中其余标签的概率与原始标签的概率之差；若所述若干个扰动中任一扰动满足预设条件，则基于所述任一扰动获取检测样本，通过所述检测样本对所述待测深度学习系统的漏洞进行检测。
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清华大学，未经清华大学许可，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/201810878887.2/，转载请声明来源钻瓜专利网。
