龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：暨南大学
申请日：2024-05-24
公开（公告）日：2024-06-21
公开（公告）号：CN118228131A
主分类号：G06F18/2413
分类号：G06F18/2413;G06F17/18;G06F18/10
优先权：
专利状态码：在审-公开
法律状态：2024.06.21#公开
摘要：本发明公开了一种面向KNN缺失值填充模型的数据投毒检测方法，属于机器学习、缺失值填充技术领域，包括：设置阈值系数并计算异常阈值，其次使用改进的局部密度异常因子算法计算计算数据集中不同缺失样本的局部密度异常因子，随后通过对比不同缺失样本的局部密度异常因子更新每个缺失样本的异常计数器，而后再检查每个缺失样本的异常计数器是否异常阈值来确定攻击者意欲攻击的目标缺失样本，最后再通过清除目标缺失样本的K个邻近进而清除数据集中的有毒样本。该检测方法可以通过灵活设定阈值系数进而选择检测强度。为防御面向KNN模型的针对性投毒攻击提供了参考依据，具备现实意义。
主权项：1.一种面向KNN缺失值填充模型的数据投毒检测方法，其特征在于，包括以下步骤：获取待检测数据集，查找所述待检测数据集中的缺失样本；统计所述缺失样本索引数组的长度，获得缺失样本个数；基于改进的LOF算法和所述缺失样本个数对所述缺失样本进行计算，获得缺失样本预设范围的LOF值；将所述缺失样本预设范围的LOF值进行对比，将对比结果反馈至计数器中；基于参数阈值系数对所述计数器中的元素值进行判断，获得目标缺失样本检测结果；基于所述目标缺失样本检测结果判断攻击者插入的有毒样本。
全文数据：
权利要求：
百度查询： 暨南大学 一种面向KNN缺失值填充模型的数据投毒检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号