龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：清华大学;北京三快在线科技有限公司
摘要：本发明提供了基于特征的预训练模型选择算法的脆弱性评估方法及系统，所述方法包括：获取低级预训练模型和高级预训练模型；对所述低级预训练模型使用少量下游任务的数据和有监督的对比学习损失函数训练进行模型伪装攻击，以得到伪装的低级预训练模型；基于特征的预训练模型选择算法对所述高级预训练模型和所述伪装的低级预训练模型进行选择；若选定模型为所述伪装的低级预训练模型，则判定基于特征的预训练模型选择算法存在脆弱性。本发明实现了对基于特征的预训练模型选择算法的脆弱性的评估。
主权项：1.基于特征的预训练模型选择算法的脆弱性评估方法，其特征在于，所述方法包括：获取低级预训练模型和高级预训练模型；对所述低级预训练模型使用少量下游任务的数据和有监督的对比学习损失函数训练进行模型伪装攻击，以得到伪装的低级预训练模型；基于特征的预训练模型选择算法对所述高级预训练模型和所述伪装的低级预训练模型进行选择；若选定模型为所述伪装的低级预训练模型，则判定基于特征的预训练模型选择算法存在脆弱性；其中，对所述低级预训练模型进行模型伪装攻击过程中，在一个batch中使用N个下游任务的样本，每个样本前向传播K次，使用不同的dropoutmasks,得到样本的特征表示；下游任务的样本为IMDB数据集；所述有监督的对比学习损失函数具体为： ； 是除了以外的样本特征的下标； 是中和标签相同的样本特征的下标集合；N为一个batch中下游样本数量；K为每个样本前向传播次数；通过优化，对模型进行伪装，使下游任务中相同标签的样本被伪装后模型提取的特征接近。
全文数据：
权利要求：
百度查询： 清华大学 北京三快在线科技有限公司 基于特征的预训练模型选择算法的脆弱性评估方法及系统
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。
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