[发明专利]一种识别AI设备中深度学习模型的方法有效
| 申请号： | 201910206257.5 | 申请日： | 2019-03-19 |
| 公开（公告）号： | CN110033082B | 公开（公告）日： | 2021-05-18 |
| 发明（设计）人： | 吴哲夫;方泽彬;江壮壮 | 申请（专利权）人： | 浙江工业大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08 |
| 代理公司： | 杭州斯可睿专利事务所有限公司 33241 | 代理人： | 王利强 |
| 地址： | 310014 浙江省*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种高精度识别AI设备中的深度学习模型的方法，利用树莓派和数据采集卡搭建数据采集平台，检测分为两个阶段：不同DNN模型测试阶段和参数估计模型测试阶段。采集完毕后，对数据进行预处理后排除异常值，对提取的功率数据算其网络特征，对得到的特征数据进行机器学习方法处理。本发明能够以较低的成本，较简便的实际操作，有效实现对不同网络模型的识别区分，本发明在侧信道安全领域具有一定的应用价值。 | ||
| 搜索关键词： | 一种 识别 ai 设备 深度 学习 模型 方法 | ||
【主权项】：
1.一种高精度识别AI设备中的深度学习模型的方法，其特征在于，所述方法包括以下步骤：步骤1：搭建DNN模型功率数据采集平台；步骤2：在树莓派上通过运行不同已经训练完成的DNN模型，来对同一目标图片库的相同尺寸的图片素材进行测试，在测试进行的过程中利用数据采集卡对树莓派实时的电压和电流数据进行采集；步骤3：对采集到的数据进行处理；步骤4：采集DNN模型基于不同初始化方式的功率数据；步骤5：采集DNN模型基于不同超参数的功率数据；步骤6：采集DNN模型基于不同稀疏度大小的功率数据；步骤7：采用同样方法对采集到的三类样本功率数据进行基于机器学习的方法进行分类，以混淆矩阵的方式呈现测试结果。
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浙江工业大学，未经浙江工业大学许可，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/patent/201910206257.5/，转载请声明来源钻瓜专利网。
