基于神经元加固的图像分类深度模型中毒防御方法及装置(高校公示15天)(不包年费滞纳金)(需要二变)
本发明公开了一种基于神经元加固的图像分类深度模型中毒防御方法及装置,该方法将一批干净样本输入到模型中,以神经元激活值和其出现频率,以及其对模型性能的影响为基准,寻找需要加固的神经元,之后将其他神经元固定下来,只加固这些选定的神经元,将训练集中的样本输入到模型中,通过对损失函数梯度上升作为导向来更新加固神经元,不断迭代直到模型趋于收敛稳定,得到干净的图像分类深度模型,用于图像分类任务。本发明解决了现有模型中毒防御方法在祛毒的同时没有增强模型鲁棒性的问题,并且模型在主任务上仍保留很高的准确率。本发明只需要用到少量的测试样本即可获得不错的效果,适用性较好。
《基于神经元加固的图像分类深度模型中毒防御方法及装置(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 2022112411752,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;赵云波,申请日期为2022-10-11,公开(公告)日期为2025-07-18,国际专利分类号(IPC)为 G06N 3/045 (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:本发明公开了一种基于神经元加固的图像分类深度模型中毒防御方法及装置,该方法将一批干净样本输入到模型中,以神经元激活值和其出现频率,以及其对模型性能的影响为基准,寻找需要加固的神经元,之后将其他神经元固定下来,只加固这些选定的神经元,将训练集中的样本输入到模型中,通过对损失函数梯度上升作为导向来更新加固神经元,不断迭代直到模型趋于收敛稳定,得到干净的图像分类深度模型,用于图像分类任务。本发明解决了现有模型中毒防御方法在祛毒的同时没有增强模型鲁棒性的问题,并且模型在主任务上仍保留很高的准确率。本发明只需要用到少量的测试样本即可获得不错的效果,适用性较好。
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!
