申请/专利权人:浙江大学嘉兴研究院
申请日:2023-12-27
公开(公告)日:2024-04-02
公开(公告)号:CN117807437A
主分类号:G06F18/214
分类号:G06F18/214;G06F18/2413;G06N3/088;G06N3/0455;G06F21/56
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.19#实质审查的生效;2024.04.02#公开
摘要:本发明公开了一种基于无监督学习的概念漂移缓解方法及装置,包括:通过恶意应用分类器的训练样本训练一个无监督学习的自编码器,对于待测样本,使用所述自编码器计算其与各训练样本类别中心的距离,实现漂移样本检测;对于检测出的漂移样本,利用特征归因技术,基于各个特征对于漂移检测的贡献,实现样本漂移原因的解释;选取漂移样本与解释结果进行标注,利用主动学习框架更新所述恶意应用分类器;利用更新后的恶意应用分类器进行软件的分类。通过将对训练样本的自编码拟合,实验测试样本漂移的实时检测,并且加入了一个可解释模块,利用嵌入距离计算特征贡献,极大地降低了主动学习框架中的人工标注成本。
主权项:1.一种基于无监督学习的概念漂移缓解方法,其特征在于,包括:1概念漂移检测:通过恶意应用分类器的训练样本训练一个无监督学习的自编码器,对于待测样本,使用所述自编码器计算其与各训练样本类别中心的距离,实现漂移样本检测;2概念漂移解释:对于步骤1中检测出的漂移样本,利用特征归因技术,基于各个特征对于漂移检测的贡献,实现样本漂移原因的解释;3概念漂移适应:选取漂移样本与解释结果进行标注,利用主动学习框架更新所述恶意应用分类器;4软件分类:利用更新后的恶意应用分类器进行软件的分类。
全文数据:
权利要求:
百度查询: 浙江大学嘉兴研究院 一种基于无监督学习的概念漂移缓解方法及装置
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。