[发明专利]一种计算机安全防护方法

说明书

本发明提供了一种计算机安全防护方法，该方法首先判断训练好的神经网络是否具备对抗数据中毒的防御功能，再根据判断结果选择不同的计算机安全防护策略；判断神经网络是否具备防御功能的步骤为：在训练集中随机选取多个训练样本，在训练样本中提取多个子区域，判断子区域中是否存在异常像素点，根据异常像素点判断子区域是否为异常子区域，获取异常子区域的梯度矩阵，基于梯度矩阵和从验证集中随机选取的验证样本生成异常验证图像，利用训练好的神经网络分别对验证样本、异常验证图像进行处理，得到第一数据、第二数据，计算第一数据和第二数据的相似度，基于相似度判断神经网络是否具备防御功能。本发明所述安全防护方法，灵活性更好。

技术领域

本发明涉及计算机安全、人工智能领域，具体为一种计算机安全防护方法。

背景技术

目前计算机安全防护策略有很多可供选择，包括数据备份与存储，安装防护软件等。但现有的计算机安全防护方法多是利用一种防护策略应对不同的计算机安全问题，灵活性不够好，有时会造成计算机安全防护资源的浪费。

发明内容

为了解决上述问题，本发明提出一种计算机安全防护方法，计算机上运行神经网络，该方法包括：

步骤S1，将数据集分为训练集和验证集，利用训练集训练神经网络，获取训练好的神经网络；

步骤S2，在训练集中随机选取多个训练样本，在每个训练样本中提取多个子区域，对于每个训练样本中的每个子区域都执行步骤S3；

步骤S3，计算子区域中各个像素点的梯度并判断子区域中是否存在异常像素点，若不存在，则对下一子区域进行分析；若仅存在一个异常像素点，则该子区域为异常子区域；若存在至少两个异常像素点，则根据任意两个异常像素点之间的距离对异常像素点进行有效异常像素点提取；若仅存在一个有效异常像素点，则该子区域为异常子区域，若存在至少两个有效异常像素点，则计算有效异常像素点间的离散度，离散度大于离散度阈值时，该子区域为异常子区域；

步骤S4，若随机选取的多个训练样本均未检测到异常子区域，则终止执行，并选择计算机安全防护策略，否则，根据每个异常子区域中像素点的梯度获取每个异常子区域的梯度矩阵，并在所述验证集中随机选取多个验证样本，基于梯度矩阵和验证样本生成异常验证图像；

步骤S5，所述验证样本经过所述训练好的神经网络输出第一数据，与验证样本对应的异常验证图像经过所述训练好的神经网络输出第二数据，计算第一数据与第二数据的相似度，基于相似度判断所述训练好的神经网络是否具备对抗数据中毒的防御功能；根据是否具备防御功能的判断结果选择计算机安全防护策略。

所述在每个训练样本中提取多个子区域具体为：对于每个训练样本，利用滑窗在训练样本中滑动进行子区域的提取。

所述滑窗大小为3*3。

所述数据集中样本尺寸为I*J，滑窗步长为k，则滑窗可移动的行区间为[1+k，I-k]，列区间为[1+k，J-k]。

所述判断子区域中是否存在异常像素点的判断方法为：计算子区域中每个像素点的梯度异常值ε₁，g为像素点的梯度，为子区域的平均梯度，ε₁大于等于异常值阈值的像素点为异常像素点。

所述根据任意两个异常像素点之间的距离对异常像素点进行有效异常像素点提取的具体提取过程为：任选一个异常像素点，根据距离计算公式ε₂＝|x-x_m|+|y-y_m|-2分别计算该异常像素点与其他各个异常像素点之间的距离，若该异常像素点与其他各个异常像素点之间的距离均大于等于0，则该异常像素点为有效异常像素点；(x，y)表示该任选的一个异常像素点的坐标，(x_m，y_m)表示其他异常像素点中任一异常像素点的坐标。