申请/专利权人：电子科技大学(深圳)高等研究院;电子科技大学;广州大学

申请日：2024-03-25

公开（公告）日：2024-04-30

公开（公告）号：CN117951528A

主分类号：G06F18/214

分类号：G06F18/214;G06F21/55;G06N5/022;G06N3/045;G06N3/0475;G06N3/094;G06N3/042

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.17#实质审查的生效;2024.04.30#公开

摘要：本发明公开一种用于知识图谱嵌入模型的对抗训练方法和系统，方法包括：基于各知识三元组正样本，生成并采样得到对应的负样本集合，利用正样本和负样本集合训练获得基础KGE模型；利用基于梯度的后门攻击方法、基于相似度的后门攻击方法和基于逻辑的后门攻击方法攻击基础KGE模型，得到对抗样本集合；将对抗样本集合添加到负样本集合中，形成强化负样本集合，利用大量正样本和强化负样本集合，训练得到强化KGE模型。本发明方法丰富了对抗样本的范围，使KGE模型可以抵御多种后门攻击，防御效果好，提高了KGE模型的安全性和鲁棒性。

主权项：1.一种用于知识图谱嵌入模型的对抗训练方法，其特征在于，所述方法包括以下步骤：基于各知识三元组正样本，生成并采样得到对应的负样本集合，利用所述正样本和所述负样本集合，训练得到基础知识图谱嵌入模型；利用基于梯度的后门攻击方法、基于相似度的后门攻击方法和基于逻辑的后门攻击方法攻击所述基础知识图谱嵌入模型，得到多样化的对抗样本集合；将所述对抗样本集合添加到所述负样本集合中，形成强化负样本集合，利用大量所述正样本和所述强化负样本集合，训练得到强化知识图谱嵌入模型。

全文数据：

权利要求：

百度查询： 电子科技大学(深圳)高等研究院;电子科技大学;广州大学 用于知识图谱嵌入模型的对抗训练方法和系统

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