申请/专利权人：江南大学

申请日：2021-01-27

公开（公告）日：2021-05-07

公开（公告）号：CN112765355A

主分类号：G06F16/35(20190101)

分类号：G06F16/35(20190101);G06F40/253(20200101);G06F40/30(20200101);G06F30/25(20200101);G06F30/27(20200101);G06K9/62(20060101);G06N3/00(20060101);G06N10/00(20190101)

优先权：

专利状态码：在审-实质审查的生效

法律状态：2021.05.25#实质审查的生效;2021.05.07#公开

摘要：基于改进的量子行为粒子群优化算法的文本对抗攻击方法，属于自然语言处理文本对抗攻击领域。本发明对抗攻击能够极大地弱化深度神经网络在自然语言处理任务中的判别能力，研究对抗攻击方法是提升深度神经网络的鲁棒性的重要方法。现有的词级别文本对抗方法在搜索对抗样本时不够有效，搜索到的往往不是最理想的样本。针对这一缺陷，提出了基于改进的量子行为粒子群优化算法的文本对抗方法。通过对量子行为粒子群优化算法进行离散化的适应性改动，结果表明，本方法在多个数据集上取得了更高的攻击成功率，同时保持了更低的改动率，人工评测则表明所提出方法生成的对抗样本相比于其他对抗样本能够更多地保留语法和语义的正确性。

主权项：1.基于改进的量子行为粒子群优化算法的文本对抗攻击方法，其特征在于，步骤如下：步骤一：遍历输入句子每个位置上的词，使用基于义原的方法得到每个词的替换词；步骤二：将句子复制M次，建立数量为M的粒子群；步骤三：遍历每个粒子，找出该粒子每个位置对于模型伤害最大的词，基于此进行变异操作；步骤四：将变异后的粒子输入模型，观察模型预测值；如果攻击成功，输出结果，步骤结束；步骤五：如果步骤四中攻击不成功，更新粒子群的粒子个体最优位置和全局最优位置；步骤六：将更新后的粒子群输入模型，观察模型预测值；如果攻击成功，输出结果，步骤结束；步骤七：如果步骤六中攻击不成功，更新粒子群的粒子个体最优位置和全局最优位置；步骤八：重复步骤三～步骤七，直到攻击成功，或者达到最大迭代次数。

全文数据：

权利要求：

百度查询： 江南大学 基于改进的量子行为粒子群优化算法的文本对抗攻击方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD