生成神经网络模型的对抗样本木马的方法及相关设备.pdf
悠柔****找我
亲,该文档总共14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
生成神经网络模型的对抗样本木马的方法及相关设备.pdf
本申请提供一种生成神经网络模型的对抗样本木马的方法及相关设备,包括:生成K个符合预定要求的第一扰动,所述预定要求包括目标函数要求以及L个样本图像的扰动率要求,所述样本图像的维度高于所述第一扰动的维度;对于K个所述第一扰动中的每一个,迭代地执行使该第一扰动在其目标函数的梯度方向上下降的操作,直至满足预设的迭代结束条件得到该第一扰动的优化扰动;计算每个优化扰动的所述目标函数的第一值;将第一值中的最小值对应的所述优化扰动确定为目标扰动;利用经过训练的神经网络模型对所述目标扰动进行数据升维处理,得到所述对抗样本木
翻译、对抗样本生成、模型鲁棒性增强方法及相关装置.pdf
本申请公开了翻译、对抗样本生成、模型鲁棒性增强方法及相关装置,利用预训练的鲁棒性增强的机器翻译模型对待翻译文本进行翻译,得到文本翻译结果,鲁棒性增强的机器翻译模型以标注参考翻译文本标签的训练对抗样本作为训练数据进行对抗性训练,训练对抗样本通过对训练源输入文本中的待替换词用候选的同义词替换得到,候选的同义词为根据训练源输入文本添加待替换词的候选词集中的词对应的正则化后的扰动信息前后文本的信息散度,以及候选词集中的词替换待替换词前后文本的语义相似度,从候选词集中筛选出的词。本申请在尽可能小的扰动下得到训练对抗
基于量子化生成模型和神经网络的对抗生成网络构建方法.pdf
本发明公开一种基于量子化生成模型和神经网络的对抗生成网络构建方法,包括:(1)选定目标函数生成训练样本集,初始化生成和判别网络模型的参数向量;(2)根据目标函数选取量子比特纠缠对,构造量子生成网络模型的结构;(3)生成网络模型得到的生成样本集和训练样本集混合送入判别模型,由判别模型进行样本集判别;(4)根据对抗训练算法分别计算代价损失函数,通过梯度下降优化更新对应网络模型的参数向量;(5)若达到收敛标准则输出步骤(4)中得到的生成网络模型,否则返回步骤(3)。本发明在保留经典对抗生成网络算法优势的同时,结
对抗样本生成模型的训练方法及装置.pdf
本说明书实施例提供一种生成对抗样本的生成模型的训练方法和装置,该方法包括,首先获取原始样本构成的样本集,其中包括正常样本和风险样本;还获取风险检测模型及其对应的损失函数。针对样本集中各个原始样本,利用生成模型生成扰动变换,并将其叠加在对应原始样本上,得到各个原始样本对应的各个变换样本;利用风险检测模型确定各个变换样本的各个风险预测值;以正常样本对应的标签值为比对标签值,分别将各个风险预测值代入前述损失函数,得到各个变换样本的对抗损失;至少根据各个变换样本的对抗损失的综合确定总对抗损失;以最小化总对抗损失为
一种对抗样本生成模型的构建方法及应用.pdf
本发明公开了一种对抗样本生成模型的构建方法及应用,属于人工智能安全领域,所构建的模型包括级联的扰动模块和奖励计算模块;通过最大化图像样本集中的所有图像样本所对应的奖励的累积值,对对抗样本生成模型进行训练;当对抗样本生成模型训练完成后,扰动模块输出的扰动后的图像即为基于图像样本生成的对抗样本;本发明构建了一个基于强化学习的对抗样本生成模型,通过在对抗样本生成模型的训练过程中不断优化扰动值,使得查询朝向所期望的目标进行,规避了大量的重复查询,计算效率较高。除此之外,本发明所构建的模型并不依赖目标模型的梯度来生