一种基于异常偏差类神经元的深度学习模型安全加固方法(高校公示15天)(不包年费滞纳金)(需要二变)
本发明公开一种基于异常偏差类神经元的深度学习模型安全加固方法,该方法首先采用中毒数据集训练中毒模型,然后将少量的干净数据输入到中毒模型中,记录激活值大于等于所述平均值的神经元,作为神经元群;再将大量的干净数据输入到中毒模型中,计算神经元群中的神经元的激活值,并将这些神经元对所有输入的干净数据的激活值累加并按大小排序,选取排序靠前的神经元,即为异常偏差类神经元;然后构建损失函数,通过反向传播,将干净数据优化为异常数据,最后用异常数据和干净数据组成的数据集训练中毒模型,完成对模型的加固。本发明能够有效地防御中毒攻击,并且不影响模型正常样本的正确率,大幅提高模型的鲁棒性,使模型更加难以被攻击成功。
《一种基于异常偏差类神经元的深度学习模型安全加固方法(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2022109324833,当前法律状态为已下证,由浙江工业大学提出申请,发明人为陈晋音;李潇;张任杰;金海波,申请日期为2022-08-04,公开(公告)日期为2025-07-18,国际专利分类号(IPC)为 G06N 3/094 (2023.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明公开一种基于异常偏差类神经元的深度学习模型安全加固方法,该方法首先采用中毒数据集训练中毒模型,然后将少量的干净数据输入到中毒模型中,记录激活值大于等于所述平均值的神经元,作为神经元群;再将大量的干净数据输入到中毒模型中,计算神经元群中的神经元的激活值,并将这些神经元对所有输入的干净数据的激活值累加并按大小排序,选取排序靠前的神经元,即为异常偏差类神经元;然后构建损失函数,通过反向传播,将干净数据优化为异常数据,最后用异常数据和干净数据组成的数据集训练中毒模型,完成对模型的加固。本发明能够有效地防御中毒攻击,并且不影响模型正常样本的正确率,大幅提高模型的鲁棒性,使模型更加难以被攻击成功。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
