内容提供者
后门样本的检测方法、装置和电子设备.pdf
2023-05-25
10金币
649KB
18页
一只****签网
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
亲，该文档总共18页，到这已经超出免费预览范围，如果喜欢就直接下载吧～
相关资料
后门样本的检测方法、装置和电子设备.pdf
本说明书实施例提出了一种后门样本的检测方法、装置和电子设备，其中，上述后门样本的检测方法中，获取训练样本中目标类别的样本向量之后，通过预先训练的模型对上述目标类别中的每个样本向量进行分类，获得上述样本向量所属类别最高的概率，然后计算上述概率相对上述样本向量的梯度向量，以及计算上述梯度向量的一范数，接下来，根据上述一范数对目标类别中的样本向量进行聚类，根据聚类结果对上述目标类别中的后门样本进行检测。
2023-05-25
10
649KB
后门样本的检测方法、装置和电子设备.pdf
本说明书实施例提出了一种后门样本的检测方法、装置和电子设备，其中，上述后门样本的检测方法中，获取训练样本中目标类别的样本数据之后，通过预先训练的模型对上述目标类别中的每个样本数据进行分类，获得上述样本数据所属类别最高的概率，然后获取上述概率相对上述样本数据的梯度图，将上述梯度图转化为概率分布，以及计算上述样本数据对应上述概率分布的信息熵，接下来，根据上述信息熵对目标类别中的样本数据进行聚类，根据聚类结果对上述目标类别中的后门样本进行检测。
2023-05-25
10
690KB
后门样本的检测方法、装置和电子设备.pdf
本说明书实施例提出了一种后门样本的检测方法、装置和电子设备，其中，上述后门样本的检测方法中，获取待检测的样本之后，利用预先训练的第一模型对上述待检测的样本进行分类，获得上述待检测的样本所属的第一类别，然后获取第一模型对上述待检测的样本进行分类之后获得的第一输出向量，利用预先训练的第二模型对上述第一输出向量进行分类，获得上述第一输出向量所属的第二类别，其中，上述第二类别不同于上述第一类别，最后，利用上述第一模型获得上述待检测的样本分别属于第一类别和第二类别的概率，以及利用上述第二模型获得上述第一输出向量分别
2023-05-25
10
757KB
分类器优化方法、后门检测方法、装置和电子设备.pdf
本说明书实施例公开了一种分类器优化方法、后门检测方法、装置和电子设备。所述分类器优化方法包括：将后门探针输入至携带标签的模型，所述标签用于表示模型中是否植入有后门；将所述模型的输出输入至元分类器；根据元分类器的输出和所述标签，优化所述元分类器和所述后门探针。本说明书实施例可以将携带标签的模型作为训练数据，可以利用携带标签的模型对元分类器和后门探针进行优化。优化后的元分类器和优化后的后门探针可以用于检测模型中是否植入有后门，从而提高了安全性。
2023-05-25
10
738KB
神经网络后门攻击的检测方法、装置和电子设备.pdf
本说明书实施例提出了一种神经网络后门攻击的检测方法、装置和电子设备，其中，上述神经网络后门攻击的检测方法中，在获取训练数据之后，利用上述训练数据对神经网络进行训练，获得训练好的神经网络模型，然后获取上述训练数据中第一标签类别对应的训练数据，将第一标签类别对应的训练数据输入到训练好的神经网络模型中，获得上述神经网络模型的隐层数据；然后，将上述隐层数据进行聚类，根据聚类结果对神经网络后门攻击进行检测。
2023-05-25
10
620KB