申请/专利权人：武汉大学

申请日：2022-02-25

公开（公告）日：2024-06-28

公开（公告）号：CN114638356B

主分类号：G06N3/08

分类号：G06N3/08;G06N3/04;G06V10/74;G06V10/764;G06V10/82

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2022.07.05#实质审查的生效;2022.06.17#公开

摘要：本发明公开了一种静态权重引导的深度神经网络后门检测方法及系统，首先对预训练神经网络模型进行静态权重分析，得到后门攻击的可疑目标标签和受害标签，组成目标‑受害标签对；然后利用得到的目标‑受害标签对进行逆向工程，恢复后门触发器；最后分析逆向触发器的形状属性和激活神经元分布来过滤误报，得到最终的检测结果。该方法发挥了静态权重分析计算开销小、不受输入样本质量影响、不受触发器类型影响的优势，有效提高了神经网络后门检测的效率、精度和可扩展性。

主权项：1.一种静态权重引导的深度神经网络后门检测方法，其特征在于，包括以下步骤：步骤1：对深度神经网络进行静态权重分析，得到后门攻击的可疑目标标签和受害标签，组成目标-受害标签对；步骤1的具体实现包括以下子步骤：步骤1.1：提取深度神经网络最后一层与输出标签相连的所有权重，假设深度神经网络共有n个输出标签，将与每一个标签相连接的权重组织成向量，得到n个权重向量w1…wn；步骤1.2：对每一个权重向量，计算它和其他所有权重向量的差异度，将差异度由高到低排序，取差异度高的前kd个权重向量对应的目标标签集合D；对每一个权重向量，计算它包含所有权重的和，将权重和由高到低排序，取权重和高的前ks个权重向量对应的目标标签集合S；将D和S取并集得到最终的可疑目标标签集合T；步骤1.3：将步骤1.2得到的最高差异度和次高差异度相减，所得到的差大于阈值θ，则认为受害标签是模型中的所有标签；否则，对T中的每一个可疑目标标签t，计算它和其他权重向量的相似度，将相似度由高到低排序，取相似度高的前kv个标签，作为可疑受害标签Vt；步骤1.4：将得到的可疑目标标签集合T和T中每一个目标标签t对应的受害标签Vt，组成目标-受害标签对集合；步骤2：利用步骤1得到的可疑目标标签和受害标签，和干净图像样本，进行触发器逆向工程，得到逆向触发器；当所述触发器逆向工程为像素补丁型触发器逆向工程时，则判断得到的像素补丁型逆向触发器是否满足成功率和触发器大小预设条件，若满足预设条件，则执行下述步骤3；否则，输出检测结果为待检测深度神经网络不含有像素补丁型后门；当所述触发器逆向工程为图像滤镜型触发器逆向工程时，则判断得到的图像滤镜型逆向触发器是否满足成功率预设条件，若满足预设条件，则输出检测结果为待检测深度神经网络含有图像滤镜型后门；否则，输出检测结果为待检测深度神经网络不含有图像滤镜型后门；步骤3：分析步骤2得到的像素补丁型逆向触发器的形状属性，以及激活待检测深度神经网络内部神经元的分布，输出最终检测结果。

全文数据：

权利要求：

百度查询： 武汉大学 一种静态权重引导的深度神经网络后门检测方法及系统

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD