申请/专利权人：浙江工业大学

申请日：2021-06-11

公开（公告）日：2024-03-19

公开（公告）号：CN113283534B

主分类号：G06F18/2411

分类号：G06F18/2411

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2021.09.07#实质审查的生效;2021.08.20#公开

摘要：本发明公开了一种基于支持向量机线性逼近的黑盒测试方法及系统，其中公开了基于支持向量机线性逼近的黑盒测试方法：获取图像样本数据集模型，并对黑盒深度学习模型进行预训练；根据获取的样本数据集构建若干支持向量机基础分类器；根据若干支持向量机基础分类器定义若干数据源级变异算子计算若干数据源级变异算子的安全上界；对若干数据源级变异算子的安全上界进行排序进行安全性评估。本发明还公开了基于支持向量机线性逼近的黑盒测试系统，包括收集模块、构建支持向量机模块、构建变异算子模块、计算最小安全上界模块、评估模块。

主权项：1.一种基于支持向量机线性逼近的黑盒测试方法，其特征在于，包括如下步骤：1获取图像样本数据集模型，并对黑盒深度学习模型进行预训练；2根据获取的样本数据集构建若干支持向量机基础分类器；3根据若干支持向量机基础分类器定义若干数据源级变异算子，包括：3.1确定目标类误分类扰动：对于第j类样本拟合出支持向量机分类器我们对其拟合状态的损失函数求梯度，产生误分类的扰动ε： 3.2计算变异得分：对于第j类样本集合X＝{x1,x2,...,xn}，定义变异的得分，使得该样本集合中大部分样本均误分类，变异得分计算公式为： 沿着变异得分增大的方向更新扰动，最终得到变异扰动σ： 循环步骤3，将针对每一个等价的线性逼近模型的对每一类都生成变异算子扰动；4计算若干数据源级变异算子的安全上界，包括：4.1支持向量机分类器梯度更新，具体操作包括：假设注入变异算子后样本变化为：xt＝x0+σ，以及模型对该样本的预测类标yt＝y0，对应初始条件的αt＝0，当符合KKT条件时，根据优化公式优化αt： 其中，x0表示原始样本，Ei＝fxi-yi表示预测置信度与真实类标的距离，由此迫使支持向量机更新为： 4.2当支持向量机分类器权重更新后，仍需要满足注入变异算子之后分类错误，得到预测类标置信度的距离需要满足： 其中，Et和E0分别表示注入变异算子前后的样本预测置信度与对应类标的距离，核函数的不同形式决定了扰动ρt安全上界的不同表达形式，采用经点线性核，则化简安全上界公式为： 其中ΔE＝E0-Et，yt表示变异算子的类标，与原样本一致；5对若干数据源级变异算子的安全上界排序进行安全性评估。

全文数据：

权利要求：

百度查询： 浙江工业大学 基于支持向量机模型线性逼近的黑盒测试方法及系统

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。

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