国产精品天干天干在线播放,大尺度揉捏胸床戏视频,樱花草www日本在线观看,狠狠躁夜夜躁人人爽天天天天97

Document
拖動滑塊完成拼圖
個人中心

預訂訂單
服務訂單
發布專利 發布成果 人才入駐 發布商標 發布需求

在線咨詢

聯系我們

龍圖騰公眾號
首頁 專利交易 科技果 科技人才 科技服務 國際服務 商標交易 會員權益 IP管家助手 需求市場 關于龍圖騰
 /  免費注冊
到頂部 到底部
清空 搜索
當前位置 : 首頁 > 專利喜報 > 恭喜浪潮云信息技術股份公司何彬彬獲國家專利權

恭喜浪潮云信息技術股份公司何彬彬獲國家專利權

買專利賣專利找龍圖騰,真高效! 查專利查商標用IPTOP,全免費!專利年費監控用IP管家,真方便!

龍圖騰網恭喜浪潮云信息技術股份公司申請的專利一種基于高斯白噪聲的文本對抗攻擊方法獲國家發明授權專利權,本發明授權專利權由國家知識產權局授予,授權公告號為:CN114528832B

龍圖騰網通過國家知識產權局官網在2025-06-10發布的發明授權授權公告中獲悉:該發明授權的專利申請號/專利號為:202210136853.2,技術領域涉及:G06F40/289;該發明授權一種基于高斯白噪聲的文本對抗攻擊方法是由何彬彬;李明明;潘心冰;伊文超;朱利霞設計研發完成,并于2022-02-15向國家知識產權局提交的專利申請。

一種基于高斯白噪聲的文本對抗攻擊方法在說明書摘要公布了:本發明提供一種基于高斯白噪聲的文本對抗攻擊方法,屬于自然語言處理技術領域,首先向模型輸入自然語言文本,經詞嵌入層、核心層、線性層后,得到前向訓練損失,經反向傳播獲得梯度;接著在詞嵌入向量的梯度上添加若干擾動項,生成對抗樣本,繼續進行前向計算損失值。經多次迭代訓練后,模型可以學習到當前向量在極小變動范圍內的最優解。擾動項促使模型參數更新向著損失增大的方向移動,達到攻擊模型的目的。在此過程中,本發明通過增加高斯白噪聲擾動項,使參數更新的力度在設定范圍內具有一定的隨機性,從而使得模型具有更高的容錯性能,提高模型的準確率。

本發明授權一種基于高斯白噪聲的文本對抗攻擊方法在權利要求書中公布了:1.一種基于高斯白噪聲的文本對抗攻擊方法,其特征在于,首先向模型輸入自然語言文本,經詞嵌入層、核心層、線性層后,得到前向訓練損失,經反向傳播獲得梯度;接著在詞嵌入向量的梯度上添加干擾項,生成對抗樣本,繼續進行前向計算損失值;經數次迭代訓練后,模型學習到當前向量在變動范圍內的最優解;干擾項促使模型參數更新向著損失增大的方向移動,達到攻擊模型的目的;流程步驟如下:1對給定文本進行處理;2正向模型訓練;3設定迭代次數K,梯度變化范圍,初始梯度,初始嵌入向量;4計算出Embedding梯度干擾項;5判斷干擾項是否超出范圍;是則執行步驟6否則執行步驟7;6將干擾項限制在特定范圍內;7利用干擾項生產對抗樣本;8判斷當前迭代次數達到K;9梯度還原為初始梯度;10正向模型訓練;11輸出模型檢測結果;步驟8中,若當前迭代次數未達到K,則進行8.1梯度歸一化為零矩陣;8.2正向模型訓練;8.3迭代次數增加1;8.4返回步驟4;具體包括:S1、對給定文本進行處理;設定文本中最大字符長度為L,不足的部分進行“padding”補全;文本張量T維度為RL,其中R表示實數空間;S2、將T輸入到Embedding層,得到嵌入向量矩陣X;S3、正向模型訓練,接著將X依次輸入到神經網絡Encoder層、兩層全連接層,其中最后一層全連接層的激活函數選為Sigmoid,得到正向損失Loss;計算Loss關于X的梯度g,計算公式如下 S4、設定迭代次數K,梯度變化范圍ε,初始梯度g0=g,初始嵌入向量X0=X;將梯度g進行備份,設為gcopy;其中K為正整數,ε為趨近于0的正數;S5、對于第t次迭代,在Embedding層中基于梯度gt計算出干擾項radv,接著判斷干擾項的取值范圍,若||radv||2>ε,執行S6,反之執行S7;其中||.||2表示向量的2-范數,迭代次數1≤t≤K且為正整數;S6.將梯度限制在可控范圍之內,按照以下公式進行radv的更正;經更正后的干擾項滿足||radv||2≤ε 順次執行S7;S7.利用梯度上升方法進行模型攻擊,將干擾項添加到嵌入向量Xt上,生成對抗樣本xt=xt-1+radvS8.若當前迭代次數t<K,當前模型的梯度為gt-1,將梯度歸一化為零矩陣,接著將S6中的對抗樣本輸入到S3中,得到梯度gt與對抗攻擊損失Losst,在此基礎上進行模型的參數更新;當前迭代次數t增加1,繼續執行步驟S5;S9.若當前迭代次數t=K,當前模型的梯度為gt-1,將梯度還原為初始梯度,即gt=g0;接著將S6中的對抗樣本輸入到S3中,得到新的梯度gt;將嵌入向量Xt還原為原始嵌入向量,即Xt=X0;在Xt的基礎上根據gt進行參數更新;S10.在訓練階段,輸入文本,計算出總體損失,按照深度學習訓練方法進行優化訓練;在預測階段,輸入文本,輸出文本進行二分類的預測結果;S5.1干擾項的確定性部分,由當前階段的梯度gt進行歸一化得到 S5.2干擾項的隨機性部分,由服從均值為0、方差為的正態分布,隨機進行抽樣得到 其中N·,·表示高斯正態分布,fθ表示正態分布的概率密度函數S5.3將S5.1與S5.2中進行滑動平均,可以得到附帶隨機性的對抗攻擊干擾項radv,其中參數ρ∈0,1為0,1范圍內的隨機實數radv=ρ*m1+1-ρ*m2根據上式,可以得到。

如需購買、轉讓、實施、許可或投資類似專利技術,可聯系本專利的申請人或專利權人浪潮云信息技術股份公司,其通訊地址為:250100 山東省濟南市高新區浪潮路1036號浪潮科技園S01號樓;或者聯系龍圖騰網官方客服,聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。

免責聲明
1、本報告根據公開、合法渠道獲得相關數據和信息,力求客觀、公正,但并不保證數據的最終完整性和準確性。
2、報告中的分析和結論僅反映本公司于發布本報告當日的職業理解,僅供參考使用,不能作為本公司承擔任何法律責任的依據或者憑證。
主站蜘蛛池模板: 于都县| 社会| 肇庆市| 沂源县| 杨浦区| 城步| 武夷山市| 西乡县| 黑山县| 扶余县| 滕州市| 英超| 尤溪县| 肇东市| 金塔县| 佛冈县| 平邑县| 静乐县| 来凤县| 昌黎县| 本溪| 黎川县| 石阡县| 盱眙县| 大关县| 淮北市| 柳河县| 岳普湖县| 贵阳市| 团风县| 大悟县| 临邑县| 达日县| 西林县| 满洲里市| 亳州市| 酒泉市| 牙克石市| 安化县| 肇源县| 仙桃市|