龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：江苏大学
申请日：2021-06-17
公开（公告）日：2024-05-14
公开（公告）号：CN113468046B
主分类号：G06F11/36
分类号：G06F11/36;G06N3/0464;G06N3/06;G06N3/08
优先权：
专利状态码：有效-授权
法律状态：2024.05.14#授权;2021.10.26#实质审查的生效;2021.10.01#公开
摘要：本发明公开了一种面向多目标的DNN模型的诱导输入生成的方法，通过将未被标记的种子图像输入到不同的DNN中，分别计算不同神经元的差异行为，神经元的输出以及神经元覆盖系数三个目标，然后采用损失函数和梯度上升算法来获取有效的诱导输入。本发明主要包括：1、确定未标记的种子图像作为输入；2、遍历输入的种子图像，寻找不同DNN辨别为同一类别的种子；3、计算需要优化的三个目标；4、对图像添加干扰；5、将干扰过的图像再次输入DNN模型，判断不同DNN是否识别成不同的类型。6、重复2‑5，直到有两个不同的DNN将该图像识别成不同的类型。通过实验验证，本发明的方法与DeepXplore相比，神经元覆盖率提高了25％左右，并且我们得到的种子输入更具有多样性。
主权项：1.一种面向多目标的DNN模型的诱导输入生成的方法，其特征在于，包括如下步骤：步骤1，根据被测DNN，确定种子图像,初始化未被标记的种子图像作为被测DNN的输入，即初始化候选测试用例集seed_set和测试用例集cov_tracker；步骤2，遍历seed_set数据集，即所有的DNN应该将这些种子图像识别为相同的类别,如果识别为相同的类别，转到步骤3，否则转到步骤9；步骤3，计算需要优化的目标obj1，该目标表示单个DNN模型对同一输入所形成的不一致行为差异行为；步骤4，计算需要优化的目标obj2，即扩大神经元的数量，将第n个神经元的激活函数fnx作为优化目标obj2；步骤5，计算需要优化的目标obj3，该目标表示各层中被激活的神经元的覆盖率与给定的期望值之间的平方之和，即神经元覆盖系数；步骤6，建立需要优化的总目标obj，并计算该目标的梯度grad；步骤7，根据目标obj的梯度grad，添加约束条件，即调用函数grad＝DOMAIN_CONSTRAINTgrad；步骤8，预测种子图像x是否可以作为测试用例，如果是，转到步骤9；步骤9，更新测试用例集cov_tracker，并输出诱导输入，算法结束。
全文数据：
权利要求：
百度查询： 江苏大学 一种面向多目标的DNN模型的诱导输入生成的方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号