申请/专利权人：中山大学

申请日：2023-12-20

公开（公告）日：2024-03-22

公开（公告）号：CN117744074A

主分类号：G06F21/55

分类号：G06F21/55;G06N3/08;G06N3/045;G06N3/096;G06N3/0985

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明公开了一种基于多模态蒸馏的物理触发器后门攻击防御方法，属于神经网络安全领域，如下：通过众包收集数据集，所述数据集为图像数据、传感器数据和数据标签的数据对；利用图像数据、数据标签对图像神经网络进行训练；利用传感器数据对传感器神经网络进行鲁棒学习训练；利用训练好的传感器神经网络对数据集进行筛选，得到可疑样本数据集和可信样本数据集；将训练好的传感器神经网络作为老师模型、训练好的图像神经网络作为学生模型，在可疑样本数据集上进行蒸馏学习，并通过可信样本数据集对图像神经网络进行微调，得到微调后的图像神经网络。本发明不需要任何的良性样本，即可实现在众包场景中投毒后门攻击的防御。

主权项：1.一种基于多模态蒸馏的物理触发器后门攻击防御方法，其特征在于：所述方法包括步骤如下：通过众包收集数据集，所述数据集为图像数据、传感器数据和数据标签的数据对；利用图像数据、数据标签对图像神经网络进行训练；利用传感器数据对传感器神经网络进行鲁棒学习训练；利用训练好的传感器神经网络对数据集进行筛选，得到可疑样本数据集和可信样本数据集；将训练好的传感器神经网络作为老师模型、训练好的图像神经网络作为学生模型，在可疑样本数据集上进行蒸馏学习，并通过可信样本数据集对图像神经网络进行微调，以实现加强学习的效果，得到微调后的图像神经网络。

全文数据：

权利要求：

百度查询： 中山大学 一种基于多模态蒸馏的物理触发器后门攻击防御方法

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