[发明专利]一种负样本变换方法及装置

权利要求书

1.一种负样本变换方法，其特征在于，包括：

通过行为选择神经网络，确定数据流的第一负样本在行为集合中每个行为被选择的概率值；所述第一负样本为所述数据流经过特征抽取形成的n维向量，n为正整数；所述行为集合中每个行为是一套对样本进行变换的规则；

通过所述行为选择神经网络，根据所述行为集合中每个行为被选择的概率值，确定所述行为集合中的第一行为；

通过所述第一行为中的变换规则，对所述第一负样本进行特征变换，并将所述第一负样本变换后的样本作为第二负样本；

将所述第二负样本输入预设的检测系统进行样本判别，若通过所述检测系统的样本判别，则将所述第二负样本添加到样本库。

2.如权利要求1所述的方法，其特征在于，所述通过行为选择神经网络，确定数据流的第一负样本在行为集合中每个行为被选择的概率值，包括：

将所述行为集合中每个行为输入所述行为选择神经网络的行为训练模型，确定出该行为的奖励值；该行为的奖励值与该行为的判别通过概率呈正相关；该行为的判别通过概率为该行为的变化样本通过所述检测系统的样本判别的概率；该行为的变化样本为所述第一负样本经过该行为变化后的样本；

将所述行为集合中每个行为的奖励值，与所述行为集合的所有行为的奖励值之和的比值，作为该行为被选择的概率值。

3.如权利要求1所述的方法，其特征在于，所述通过所述行为选择神经网络，根据所述行为集合中每个行为被选择的概率值，确定所述行为集合中的第一行为，包括：

按照所述行为集合中每个行为被选择的概率值，将通过所述行为选择神经网络在所述行为集合中，进行随机选择的一个行为，作为第一行为。

4.如权利要求1所述的方法，其特征在于，还包括：

所述行为集合中每个行为被选择的概率值是根据所述行为选择神经网络的第一参数值确定的；

通过所述行为选择神经网络，确定所述第一行为的第一奖励值；

通过行为评价神经网络，确定所述第一行为的第二奖励值；

根据所述第一奖励值和所述第二奖励值，更新所述第一参数值。

5.如权利要求4所述的方法，其特征在于，更新所述第一参数值之前，还包括：

所述第二奖励值是根据所述行为评价神经网络的第二参数值确定的；

根据所述行为选择神经网络输出的第二行为的第三奖励值，通过所述行为评价神经网络，确定所述第二行为的奖励现实值；所述第二行为是所述行为集合中任一行为；

根据所述行为评价神经网络输出的所述第二行为的第四奖励值，通过所述行为评价神经网络，确定所述第二行为的奖励估计值；

根据所述奖励现实值和所述奖励估计值，更新所述第二参数值。

6.如权利要求1-5任一所述的方法，其特征在于，还包括：

若所述第二负样本未通过预设检测系统的样本判别，且对所述第一负样本变换的次数未达到K次，则从所述行为集合中确定出第三行为；K为正整数；

通过所述第三行为，将所述第一负样本变换为第三负样本。

7.一种负样本变换装置，其特征在于，包括：

确定模块，用于通过行为选择神经网络，确定数据流的第一负样本在行为集合中每个行为被选择的概率值；所述第一负样本为所述数据流经过特征抽取形成的n维向量，n为正整数；所述行为集合中每个行为是一套对样本进行变换的规则；

以及用于通过所述行为选择神经网络，根据所述行为集合中每个行为被选择的概率值，确定所述行为集合中的第一行为；

变换模块，用于通过所述第一行为中的变换规则，对所述第一负样本进行特征变换，并将所述第一负样本变换后的样本作为第二负样本；

处理模块，用于将所述第二负样本输入预设的检测系统进行样本判别，若通过所述检测系统的样本判别，则将所述第二负样本添加到样本库。