申请/专利权人:中国人民解放军战略支援部队信息工程大学
申请日:2021-06-04
公开(公告)日:2023-01-24
公开(公告)号:CN113537284B
主分类号:G06F18/25
分类号:G06F18/25;G06F18/2433;G06F18/214;G06N3/045;G06N3/042;G06N3/044;G06N3/0442;G06N3/0464;G06N3/047;G06N3/0475;G06N3/08;G06N3/092
优先权:
专利状态码:有效-授权
法律状态:2023.01.24#授权;2021.11.09#实质审查的生效;2021.10.22#公开
摘要:本发明属于人工智能技术领域,特别涉及一种基于拟态机制的深度学习实现方法及系统,针对已训练的不同类型深度学习网络模型,将每个类型的深度学习网络模型作为执行体,构建异构执行体池;利用预设选择策略从异构执行体池中选取多个深度学习网络模型对目标数据进行检测分类,并依据检测分类结果确定用于最终检测分类输出的正确分类结果及用于重训练的异常分类结果;针对异常分类结果的深度学习网络模型进行下线,通过重训练来更新网络模型参数后再输送至异构执行体池进行上线。本发明将拟态防御应用于人工智能深度学习算法,利用不同算法间的异构性克服算法自身存在的脆弱性,进而提升算法整体的安全性,有效提升深度学习抗干扰攻击能力。
主权项:1.一种基于拟态机制的深度学习实现方法,其特征在于,包含如下内容:针对已训练的不同类型深度学习网络模型,将每个类型的深度学习网络模型作为执行体,构建异构执行体池;采用交通信号标志流量数据作为目标数据,利用预设选择策略从异构执行体池中选取多个深度学习网络模型对目标数据进行检测分类,并依据检测分类结果确定用于最终检测分类输出的正确分类结果及用于重训练的异常分类结果;其中,预设选择策略为随机选择策略,利用随机选择策略从异构执行体池中选择奇数个用于对目标数据进行检测分类的深度学习网络模型;针对异常分类结果的深度学习网络模型进行下线,通过重训练来更新网络模型参数后再输送至异构执行体池进行上线。
全文数据:
权利要求:
百度查询: 中国人民解放军战略支援部队信息工程大学 基于拟态机制的深度学习实现方法及系统
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。