提升贝叶斯神经网络对抗防御能力的方法及系统

发明专利有效专利

申请号：
CN202110820574.3
IPC分类号：G06N3/04;G06N3/08;G06N7/00
申请日期：
2021-07-20
申请人：
上海交通大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	提升贝叶斯神经网络对抗防御能力的方法及系统
申请号	CN202110820574.3	申请日期	2021-07-20
法律状态	公开	申报国家	中国
公开/公告日	2021-11-02	公开/公告号	CN113592070A
优先权	暂无	优先权号	暂无
主分类号	G06N3/04 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06N 基于特定计算模型的计算机系统〔7〕 G06N3/00 基于生物学模型的计算机系统（仿真生物的功能方面的模拟计算机入G06G 7/60）〔7〕 G06N3/02 采用神经网络模型（用于自适应控制的入G05B 13/00；用于图像模式匹配的入G06K 9/00；用于图像数据处理的入G06T 1/40；用于语音模式匹配的入G10L 15/16）〔7〕 G06N3/04 体系结构，例如，互连拓扑〔7〕	IPC分类号	G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8;;;G;0;6;N;7;/;0;0查看分类表>
申请人	上海交通大学	申请人地址	上海市闵行区东川路800号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	上海交通大学	当前权利人	上海交通大学
发明人	马汝辉;张家儒;薛珍贵;宋涛;郑承宇;管海兵
代理机构	上海汉声知识产权代理有限公司	代理人	胡晶

摘要

本发明提供一种提升贝叶斯神经网络对抗防御能力的方法及系统，涉及深度学习方向的贝叶斯神经网络和对抗防御技术领域，该方法包括：网络训练步骤：输入初始数据，通过优化交叉熵损失函数和参数分布与先验分布之间的KL散度，对初始数据进行训练；鲁棒性增强步骤：贝叶斯神经网络的参数作为输入，通过计算并优化网络参数矩阵的谱范数的数学期望，根据优化后的数学期望降低网络对各种噪声的敏感性，从而提升贝叶斯神经网络模型对对抗噪声的防御能力。本发明能够有效地提升贝叶斯网络模型的对抗鲁棒性，有效增强网络模型在现实问题中的应用前景；有效降低网络模型输出的不确定性，使得网络对对抗样本的预测更有一致性，提升网络模型的噪声抗性。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供