CN114238975B 一种基于安全训练的后门攻击防御方法及防御系统 （深圳市大数据研究院）_第1页
CN114238975B 一种基于安全训练的后门攻击防御方法及防御系统 （深圳市大数据研究院）_第2页
CN114238975B 一种基于安全训练的后门攻击防御方法及防御系统 （深圳市大数据研究院）_第3页
CN114238975B 一种基于安全训练的后门攻击防御方法及防御系统 （深圳市大数据研究院）_第4页
CN114238975B 一种基于安全训练的后门攻击防御方法及防御系统 （深圳市大数据研究院）_第5页
已阅读5页，还剩13页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

JP2020119091A,202一种基于安全训练的后门攻击防御方法及本发明公开了一种基于安全训练的后门攻型在正常样本上的准确率以及在毒化样本上的2利用第一指标将所述后门毒化数据集划分为标签为目标类别的样本和标签为非目标将所述标签为非目标类别的样本和所述标签为目标类别的干净样本组成训练所述第二指标为主体邻居标签M(x),其计算公式为：将所述训练样本集输入神经网络模型中，利用包含两个正则化项的yy间相似度Linter和类内距离Lintras其中，式中，K=ly为类别总数；为类别i在特征空间中的中心点；3和λ2分别表示两个正则化项的权重系数。样本过滤模块，用于利用过滤指标滤除所述后门毒化数据集控制模块，用于控制所述样本过滤模块、所述模型训练模块和利用第一指标将所述后门毒化数据集划分为标签为目标类别的样本和标签为非目标将所述标签为非目标类别的样本和所述标签为目标类别的干净样本组成训练所述第二指标为主体邻居标签M(xz),其计算公式为：为样本xi在特征空间中的k近邻；I()为示性函数；M(x)=t的样本是标签为目标类别的干净样本，M(x)*t的样本是毒化样本。7.根据权利要求6所述的后门攻击防御系统，其特征在于，所述模型训练模块具体用将所述训练样本集输入神经网络模型中，利用包含两个正则化项的4[0002]深度神经网络模型当前被广泛地应用于许多与安全相关的任务中，如人脸识别、[0003]目前的后门攻击方法可以根据目标标签的性质分为毒化标签攻击与干净标签攻低后门攻击成功率并保持模型在正常样本上的准确率以及在毒化[0013]利用第一指标将所述后门毒化数据集划分为标签为目标类别的样本和标签为非5[0015]将所述标签为非目标类别的样本和所述标签为目标类别的干净样本组成训练样[0019]所述第二指标为主体邻居标签M(x),其计算公式为：[0021]式中，N(x)为样本xi在特征空间中的k近邻yy[0033]L(9)=L和λ2分别表示两个正则化项的权重系数。6[0043]利用第一指标将所述后门毒化数据集划分为标签为目标类别的样本和标签为非[0045]将所述标签为非目标类别的样本和所述标签为目标类别的干净样本组成训练样7[0065]第二指标为主体邻居标签M(x),其计算公式为：认为M(x)=t的样本是标签为目标类别的干净样本，的样本是毒化样本。[0068]根据当前的神经网络模型的特征空间，使用两个指标过yy[0075]两个正则化项分别为类间相似度Linter和类内距离Lint8[0077]式中，为类别总数；为类别i在特征空间中的中心点；类间相似度[0082]L(9)=L[0087]参考图2所示，样本过滤模块可以根据模型训练模块所得到的神经网络模型去过[0096]

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论