[发明专利]一种主动安全增量数据训练方法在审
| 申请号： | 201910859405.3 | 申请日： | 2019-09-11 |
| 公开（公告）号： | CN110610208A | 公开（公告）日： | 2019-12-24 |
| 发明（设计）人： | 张吉昕;秦拯;黄小凤;胡玉鹏;张吉良;蒋孜博 | 申请（专利权）人： | 湖南大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06K9/66;G06N3/04;G06N3/08 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 410082 湖南省*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 增量数据 样本 安全性验证 动态训练 攻击检测 决策边界 主动安全 主动学习 重训练 对抗 更新 | ||
【权利要求书】：
1.一种主动安全增量数据训练方法，其特征是：
(1)基于主动学习的增量数据重训练方法；
(2)基于对抗样本攻击检测的模型安全性验证方法。
2.根据权利要求1所述的基于主动学习的增量数据方法，其特征是，针对神经网络算法算法仅能对有标签的初始数据进行训练，而难以动态地对新增的未标记的数据进行训练的问题，基于主动学习方法，动态计算新增数据的置信度，新增高可信训练数据进行重训练，并验证新模型的安全性，动态更新模型，逐步扩大模型决策边界，最终实现神经网络算法对增量数据重训练。
3.根据权利要求1所述的基于对抗样本检测的模型安全性验证方法方法，其特征是，针对神经网络算法被对抗样本攻击时导致训练的模型准确性降低的问题，通过动态训练新增数据，记录每次迭代后的模型作为模型的历史副本，并利用原始数据测试最近N次迭代的历史副本准确率变化梯度，检测模型在最近N次迭代中稳定性，从而实现对抗样本攻击检测，确保模型的安全性。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于湖南大学，未经湖南大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910859405.3/1.html，转载请声明来源钻瓜专利网。
