“对抗训练”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果366070个，建议您升级VIP下载更多相关专利

[发明专利]一种基于相位感知的对抗噪声防御方法-CN202310404707.8在审
发明人：王楠楠;周大为;高新波 -专利权人：西安电子科技大学
申请日： 2023-04-14 - 公布日： 2023-08-18 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种基于相位感知的对抗噪声防御方法，涉及对抗噪声防御技术领域，包括：获取训练样本集；根据训练样本集，获取参考样本和初始对抗样本；构建相位感知对抗防御模型；其中，相位感知对抗防御模型包括相位级对抗样本生成模块和相位级对抗训练模块；将初始对抗样本和参考样本输入至相位级对抗样本生成模块，生成相位级对抗样本；将训练样本集和相位级对抗样本输入至相位级对抗训练模块，对相位级对抗训练模块进行训练，获取训练好的相位级对抗训练模块；根据相位级对抗样本生成模块和训练好的相位级对抗训练模块，获取待预测样本的分类结果，实现对抗防御。
一种基于相位感知对抗噪声防御方法

[发明专利]一种集成对抗训练方法及装置-CN202310390510.3在审
发明人：单宇翔;郁钢;高扬华 -专利权人：浙江中烟工业有限责任公司
申请日： 2023-04-04 - 公布日： 2023-07-07 - 主分类号： G06N3/094 文献下载
摘要：本申请公开了一种集成对抗训练方法及装置，集成对抗训练方法包括：采用多种对抗样本攻击方法对第一训练集进行攻击，每种对抗样本攻击方法生成一组对抗样本；将每组对抗样本及其对应的干净样本作为一个第二训练集，采用独立的生成对抗网络对每个第二训练集进行对抗训练，并将每个生成对抗网络的生成器的输出数据作为预训练模型的输入，对预训练模型进行训练，获得第一模型；将第一模型作为训练后的模型。本申请采用多种对抗样本攻击方法获得对抗样本，并利用生成对抗网络对每组对抗样本进行背靠背的扰动消除训练，同时基于生成器的训练结果对预训练模型进行训练，大大提高了模型的防御性能和鲁棒性，并降低了对抗训练中过拟合现象出现的概率
一种集成对抗训练方法装置

[发明专利]对抗攻击模型的训练方法及装置-CN202010107342.9有效
发明人：李家琛;吴保元;张勇;樊艳波;李志锋;刘威 -专利权人：腾讯科技（深圳）有限公司
申请日： 2020-02-21 - 公布日： 2021-06-08 - 主分类号： G06N3/08 文献下载
摘要：提供了一种对抗攻击模型的训练方法及装置。对抗攻击模型包括生成器网络，训练方法包括：利用生成器网络，基于训练数字图像，产生对抗攻击图像；基于对抗攻击图像，进行对抗攻击，并且获得对抗攻击结果；获得训练数字图像所对应的物理图像；基于对抗攻击图像和物理图像、以及基于对抗攻击结果和训练数字图像，对生成器网络进行训练。通过本公开的对抗攻击模型生成的对抗图像能够对目标模型进行有效的对抗攻击或者对目标模型进行有效训练以防御这种对抗攻击。
对抗攻击模型训练方法装置

[发明专利]生成对抗样本的方法、检测器的训练方法及相关设备-CN202111244382.9在审
发明人：王玉龙;贾哲;彭隽;苏森;徐鹏;双锴;张忠宝;程祥 -专利权人：北京邮电大学;中国电子科技集团公司第五十四研究所
申请日： 2021-10-25 - 公布日： 2022-03-15 - 主分类号： G06V10/774 文献下载
摘要：本申请提供一种生成对抗样本的方法、检测器的训练方法及相关设备。所述生成对抗样本的方法包括：获取干净的训练样本集；对于训练样本集中的每个训练样本，通过对该训练样本进行对抗攻击，得到多个对抗实例；根据多个对抗实例中指示对抗成功的每个目标对抗实例的对抗攻击信息，选择目标标签；基于目标标签生成与该训练样本对应的对抗样本；存储对抗样本。所述检测器训练方法包括：利用生成对抗样本的方法，基于训练样本集生成对抗样本集；利用训练样本集对检测器进行二元分类任务的第一训练；利用对抗样本集对经过第一训练的检测器进行第二训练。经过本训练方法得到的检测器用于检测输入深度神经网络的样本数据是否含有深度神经网络木马。
生成对抗样本方法检测器训练相关设备

[发明专利]一种自适应对抗强度的对抗训练方法-CN202010099756.1在审
发明人：谢海东;向雪霜;纪楠;刘乃金 -专利权人：中国空间技术研究院
申请日： 2020-02-18 - 公布日： 2020-06-23 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种自适应对抗强度的对抗训练方法。根据训练数据，通过对抗样本生成方法，生成对应对抗样本数据；通过切断与拉伸操作，自适应的修改对抗样本的对抗强度；利用原始训练数据与修改强度后的对抗样本训练数据共同训练，更新模型参数；迭代更新对抗准确率，直到对抗准确率收敛，得到训练好的具有防御能力的模型。本发明方法无需提前给定对抗样本的对抗强度，通过自适应估算对抗强度，所得训练模型能够对由小到大全部对抗强度的攻击均有较强的防御能力，在原始数据准确率、小攻击强度对抗准确率和大攻击强度对抗准确率方面，均有很好表现
一种自适应对抗强度训练方法

[发明专利]对抗图像检测模型的训练方法、装置和存储介质-CN201910387970.4在审
发明人：赵晨旭;石海林 -专利权人：北京京东尚科信息技术有限公司;北京京东世纪贸易有限公司
申请日： 2019-05-10 - 公布日： 2020-11-10 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种对抗图像检测模型的训练方法、装置和存储介质，涉及图像处理技术领域。对抗图像检测模型的训练方法包括：采用预先训练的元模型初始化对抗图像检测模型，其中，元模型的参数是基于多个预训练后的内部网络模型确定的，每个内部网络模型是采用一种或多种对抗图像进行预训练的，每种对抗图像的数量小于预设值；获取包括新的种类的对抗图像的训练图像，其中，新的种类的对抗图像的数量小于预设值；采用训练图像对对抗图像检测模型进行训练，以便采用完成训练的对抗图像检测模型识别对抗图像和非对抗图像。本发明的训练方法可以实现快速收敛，从而能够快速、准确地识别新的种类的对抗图像。
对抗图像检测模型训练方法装置存储介质

[发明专利]生成对抗网络训练方法、系统、计算机设备及存储介质-CN202211678589.1在审
发明人：田福康;温晨欣;翟军治;杨子江 -专利权人：交叉信息核心技术研究院（西安）有限公司;西安深信科创信息技术有限公司
申请日： 2022-12-26 - 公布日： 2023-05-05 - 主分类号： G06N3/082 文献下载
摘要：本发明属于深度学习领域，公开了一种生成对抗网络训练方法、系统、计算机设备及存储介质，包括：训练步骤：通过待训练生成对抗网络生成对抗图案，并根据对抗图案和原始人脸图像，得到对抗样本图像；将对抗样本图像输入预设的人脸识别模型中进行识别，得到识别结果；根据识别结果修改待训练生成对抗网络的网络参数；重复训练步骤，至识别结果中的识别错误率大于预设识别错误率阈值，得到训练完成的生成对抗网络。基于人脸识别模型的高准确性识别能力，促使生成对抗网络不断完善，有效提升生成对抗网络生成的对抗样本的对抗性及泛化能力，进而能够通过训练完成的生成对抗网络生成的对抗样本辅助人脸识别模型的训练，提升人脸识别模型的抗攻击性
生成对抗网络训练方法系统计算机设备存储介质

[发明专利]一种神经网络模型的文本分布对抗训练方法及装置、情感分析方法-CN202211279288.1在审
发明人：沈志东;岳恒宪 -专利权人：武汉大学
申请日： 2022-10-19 - 公布日： 2023-01-31 - 主分类号： G06F16/35 文献下载
摘要：为了解决情感分析模型可能会受到对抗攻击的问题，通过训练数据集中每个样本的对抗分布，来对模型进行对抗训练从而得到一个鲁棒的神经网络模型。本发明公开了一种神经网络模型的文本分布对抗训练方法，采取对抗训练的方法，通过求每个样本的对抗分布，从而探索在整个对抗空间中的对抗样本来训练神经网络模型，提升其鲁棒性。
一种神经网络模型文本分布对抗训练方法装置情感分析

[发明专利]物理对抗攻击方法、物理对抗攻击模型训练方法及装置-CN202110116976.5在审
发明人：张勇东;张天柱;冯巍巍 -专利权人：中国科学技术大学
申请日： 2021-01-27 - 公布日： 2022-07-29 - 主分类号： G06V10/774 文献下载
摘要：一种物理对抗攻击方法、物理对抗攻击模型训练方法及装置，训练方法包括：获取训练样本数据集，其中，训练样本数据集包括数字图像及基准图像，数字图像包括真实标签；将数字图像及基准图像输入待训练的物理对抗攻击模型，输出对抗损失值、分类标签及攻击损失值；基于对抗损失值及攻击损失值优化物理对抗攻击模型的网络参数；以及输出网络参数满足预设条件时对应的物理对抗攻击模型。本发明的物理对抗攻击模型训练方法可以实现保留在将数字对抗图像部署到现实世界的过程中对抗信息的丢失，使对抗图像保留对抗性的效果。
物理对抗攻击方法模型训练装置

[发明专利]一种面向对抗样本攻击的人脸活体检测方法及装置-CN202010609352.2有效
发明人：李卓蓉;封超;吴明晖;颜晖;金苍宏;朱凡微 -专利权人：浙大城市学院
申请日： 2020-06-29 - 公布日： 2023-04-07 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种面向对抗样本攻击的人脸活体检测方法及装置，所述方法包括：获取待检测的人脸对象的图像，形成训练集；利用训练集训练人脸活体检测分类器；生成人脸图像的对抗样本；将所述训练集和所述对抗样本构成对抗训练集，通过对抗训练集对抗训练人脸活体检测分类器；通过对抗训练后的人脸活体检测分类器判断人脸对象是否为活体对象。通过将对抗样本攻击的防御和人脸活体检测技术有机结合起来，有效克服对抗样本攻击对人脸活体检测分类器造成的干扰，进而提高身份识别系统的准确性和鲁棒性。
一种面向对抗样本攻击活体检测方法装置

[发明专利]基于N+1类对抗训练的信号对抗样本检测器设计方法及系统-CN202110528400.X在审
发明人：宣琦;周涛;甘燃 -专利权人：浙江工业大学
申请日： 2021-05-14 - 公布日： 2021-11-12 - 主分类号： G06K9/00 文献下载
摘要：基于N+1类对抗训练的信号对抗样本检测器设计方法，包括：(S1)：对输入的信号数据集进行预处理；(S2)：构建信号分类深度学习模型并训练；(S3)：使用FGSM攻击算法攻击生成对抗信号样本；(S4)：合对抗信号样本与原始训练集构成新的训练集；(S5)：使用新训练集训练得到N+1分类的新模型；(S6)：测试新分类模型的检测准确率。本发明还包括实施基于N+1类对抗训练的信号对抗样本检测器设计方法的系统，由数据预处理模块、深度学习模型训练模块、对抗样本生成模块、数据集构建模块和模型重训练模块组成；本发明可以利用对抗训练将对抗信号样本作为单独一类扩充分类模型，达到检测对抗信号样本的目的。
基于对抗训练信号样本检测器设计方法系统

[发明专利]一种对抗训练方法和系统-CN202210383948.4在审
发明人：范洺源;王力 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2022-04-13 - 公布日： 2022-07-05 - 主分类号： G06N20/00 文献下载
摘要：本说明书实施例公开了一种对抗训练方法和系统。所述方法包括：基于多个训练样本，对目标模型进行多轮迭代的对抗训练。其中一轮迭代包括：根据训练样本的信息增益，从所述多个训练样本中选取参与当前轮对抗训练的当前轮训练样本，其中，训练样本的信息增益与基于该训练样本生成的对抗样本对目标模型的威胁强度正相关；基于所述当前轮训练样本对目标模型进行对抗训练，以提高目标模型抵御对抗攻击的能力。
一种对抗训练方法系统

[发明专利]一种基于数据增强的深度学习对抗训练方法-CN202210579416.8在审
发明人：徐策;伍赛;陈刚;朱浩奇;李雨珂 -专利权人：浙江大学计算机创新技术研究院
申请日： 2022-05-25 - 公布日： 2022-08-02 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于数据增强的深度学习对抗训练方法。所述数据增强模块，对数据中的每一数据样本应用多次数据增强或数据变换得到多个增强样本；还包括对抗攻击模块，对抗攻击模块对增强样本施加扰动以生成对抗样本，再输入到对抗训练模块的目标模型中用于进行训练；所述对抗训练模块，将生成的对抗样本中使得损失函数最大的对抗样本组件训练数据集对目标模型进行训练。本发明在大大缓解了对抗训练普遍存在的鲁棒过拟合现象的同时提升了模型的精度，达到提升模型精度以及增强模型鲁棒性的目的。
一种基于数据增强深度学习对抗训练方法

[发明专利]一种基于多目标路优化的路牌识别攻击防御方法-CN201910297728.8有效
发明人：陈晋音;陈治清;沈诗婧;郑海斌;苏蒙蒙 -专利权人：浙江工业大学
申请日： 2019-04-15 - 公布日： 2021-01-08 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于多目标路优化的路牌识别对抗防御方法，包括：(1)构建训练集、测试集以及对抗集；(2)构建路牌分类器，并利用训练集、测试集对路牌分类器进行训练，获得路牌识别模型；(3)根据粒子群算法构建路牌攻击模型，利用路牌攻击模型生成对抗样本；(4)矫正对抗样本，并将对抗样本应用在物理场景下，再采集对抗样本的物理图像；(5)将对抗样本的物理图像输入至路牌识别模型，筛选得到高质量的对抗样本；(6)将高质量的对抗样本添加到训练集中，利用训练集再训练路牌识别模型，实现对路牌识别模型的对抗防御优化；(7)利用对抗防御优化后的路牌识别模型对路牌图像进行识别，以实现路牌识别的对抗防御。
一种基于多目标优化路牌识别攻击防御方法

[发明专利]一种基于遗传算法的路牌识别对抗防御方法-CN201910297748.5有效
发明人：陈晋音;陈治清;沈诗婧;苏蒙蒙 -专利权人：浙江工业大学
申请日： 2019-04-15 - 公布日： 2021-03-05 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于遗传算法的路牌识别对抗防御方法，包括：(1)构建训练集、测试集以及对抗集；(2)构建路牌分类器，并利用训练集、测试集对路牌分类器进行训练，获得路牌识别模型；(3)根据遗传算法构建路牌攻击模型，利用路牌攻击模型生成对抗样本；(4)矫正对抗样本，并将对抗样本应用在物理场景下，再采集对抗样本的物理图像；(5)将对抗样本的物理图像输入至路牌识别模型，筛选得到高质量的对抗样本；(6)将高质量的对抗样本添加到训练集中，利用训练集再训练路牌识别模型，实现对路牌识别模型的对抗防御优化；(7)利用对抗防御优化后的路牌识别模型对路牌图像进行识别，以实现路牌识别的对抗防御。
一种基于遗传算法路牌识别对抗防御方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条