[发明专利]一种基于自学习的机器学习模型更新方法及系统有效
| 申请号： | 201810697200.5 | 申请日： | 2018-06-29 |
| 公开（公告）号： | CN108921301B | 公开（公告）日： | 2020-06-02 |
| 发明（设计）人： | 姚兴仁 | 申请（专利权）人： | 长扬科技（北京）有限公司 |
| 主分类号： | G06N20/00 | 分类号： | G06N20/00;G06F21/55 |
| 代理公司： | 厦门福贝知识产权代理事务所(普通合伙) 35235 | 代理人： | 郝学江 |
| 地址： | 100080 北京*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于自学习的机器学习模型更新方法，包括：创建原机器学习模型并部署在线上；原机器学习模型检测恶意攻击存储到负样本库；当所述负样本数达到设置阈值，触发机器学习训练任务，创建新机器学习模型；根据设定的模型更新策略进行模型更新。一种基于自学习的机器学习模型更新系统，包括：负样本库单元，将检测到的恶意攻击进行存储；机器学习训练单元，在负样本数达到设置阈值时触发机器学习训练任务，创建新机器学习模型；模型更新单元，根据设定的模型更新策略进行模型更新。减少前期样本收集压力，上线后通过自学习收集样本进行训练；比较原模型和新模型精度决定是否更新模型，无需人工介入；克服对于外部不能推送更新的场景。 | ||
| 搜索关键词： | 一种 基于 自学习 机器 学习 模型 更新 方法 系统 | ||
【主权项】：
1.一种基于自学习的机器学习模型更新方法，其特征在于，包括以下步骤：S1、创建原机器学习模型，并将该原机器学习模型部署在线上；S2、所述原机器学习模型在线上检测恶意攻击，并将检测到的恶意攻击作为负样本存储到负样本库；S3、检测所述负样本库内的负样本数量，当所述负样本数量达到设置的阈值，则触发机器学习训练任务，创建新机器学习模型；S4、根据设定的模型更新策略进行模型更新。
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长扬科技（北京）有限公司，未经长扬科技（北京）有限公司许可，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/201810697200.5/，转载请声明来源钻瓜专利网。
