[发明专利]一种用于知识蒸馏的边界样本数据增强方法及装置

权利要求书

1.一种用于知识蒸馏的边界样本数据增强方法，所述方法包括：

S1、根据原始样本在原始类别外的分类概率，得到进行边界化修改的目标类别；

S2、将样本空间中与原始类别分类概率相同的点组成决策边界面，对原始样本进行对抗攻击生成原始类别与目标类别之间的第一边界样本；

S3、将第一边界样本作为基础样本进行第一轮迭代，迭代过程S4-S5；

S4、根据基础样本所处的切面确定决策边界面上的N个方向，沿着N个方向进行基础样本修改，得到N个备选样本；

S5、对N个备选样本进行对抗攻击，生成N个第二边界样本；

S6、从第二轮迭代开始，将N个第二边界样本作为基础样本集合，对基础样本集合中的每个基础样本执行S4-S5，每个基础样本生成的N个第二边界样本中，只保留与基础样本集合中其他基础样本平均位置相距最远的一个第二边界样本，放入下一轮迭代的基础样本集合中；

S7、如果迭代轮次达到预定次数，迭代结束，最后一轮迭代得到的N个第二边界样本即为增强的边界样本数据。

2.根据权利要求1所述的边界样本数据增强方法，其特征在于，目标类别c被选到的概率p_c基于教师模型f对目标类别的分类概率f_c(x_ori)，具体表达式为：其中原始样本x_ori∈[0，1]^d，c₀为原始类别。

3.根据权利要求1所述的边界样本数据增强方法，其特征在于，使用DeepFool算法进行对抗攻击。

4.根据权利要求1所述的边界样本数据增强方法，其特征在于，根据基础样本所处的切面确定决策边界面上的N个方向，具体方法包括：令F_c(x₀)＝z₀所表示的面为∑₀，其中x₀表示第一边界样本，表示针对样本x₀教师模型f对原始类别c₀的分类概率，f_c(x₀)表示针对样本x₀教师模型f对目标类别c的分类概率，z₀表示样本x₀到决策边界面的距离，∑₀在x₀处的切面Π₀表达式为：x表示样本空间中的点，令向量Δx＝x-x₀，根据Δx值生成N个修改后仍在切面上的备选样本。

5.根据权利要求4所述的边界样本数据增强方法，其特征在于，基础样本修改的具体方法包括：将第i+1轮迭代的基础样本集合中的第i轮第j个样本记为x_i，j，随机对x_i，j的两个维度进行修改，针对第i+1轮迭代的基础样本集合共进行N次修改，第k次修改量Δx^k需满足：其中表示针对样本x_i，j教师模型f对原始类别c₀的分类概率，f_c(x_i，j)表示针对样本x_i，j教师模型f对目标类别c的分类概率。

6.根据权利要求5所述的边界样本数据增强方法，其特征在于，每个基础样本生成的N个第二边界样本中，只保留与基础样本集合中其他基础样本平均位置相距最远的1个第二边界样本，具体表达式为：其中第i+1轮迭代的基础样本集合中的第i轮第l个基础样本x_i，1生成的N个第二边界样本中的第k个第二边界样本。