一种基于深度学习模型神经通路激活特征的对抗样本检测方法

被引：0

专利类型：

发明

申请号：

CN202110652918.4

申请日：

2021-06-11

公开(公告)号：

CN113392901A

公开(公告)日：

2021-09-14

发明(设计)人：

陈晋音吴长安金海波

申请人：

申请人地址：

310014 浙江省杭州市下城区潮王路18号

IPC主分类号：

G06K962

IPC分类号：

G06N308

代理机构：

杭州天勤知识产权代理有限公司 33224

代理人：

彭剑

法律状态：

实质审查的生效

国省代码：

引用

下载

收藏

法律状态

法律状态公告日	法律状态	法律状态信息
2021-10-01	实质审查的生效	实质审查的生效 IPC(主分类):G06K 9/62 申请日:20210611
2021-09-14	公开	公开

共 50 条

[1]

基于神经通路激活状态的深度学习模型测试方法与装置 [P].

陈晋音 ;

金海波 ;

熊晖 ;

张龙源 ;

邹健飞 .

中国专利 :CN111428818A ,2020-07-17

[2]

基于神经元激活模式的深度学习样本级对抗攻击防御方法及其装置 [P].

陈晋音 ;

金海波 ;

鲍亮 .

中国专利 :CN113297572B ,2021-08-24

[3]

一种基于神经通路的深度学习的中毒防御方法及装置 [P].

陈晋音 ;

金海波 .

中国专利 :CN113343225B ,2021-09-03

[4]

一种基于对抗样本的深度学习模型安全风险评估方法 [P].

初妍 ;

王泉 ;

李传博 ;

魏兰兰 ;

栾兰 ;

夏琳琳 ;

沈洁 ;

于海涛 ;

高迪 ;

张艳丽 .

中国专利 :CN109034632B ,2019-06-18

[5]

一种基于时序深度学习网络的对抗样本检测方法 [P].

杨子祺 ;

向楚枭 .

中国专利 :CN118864964A ,2024-10-29

[6]

一种基于对抗样本指纹的黑盒深度学习模型版权保护方法 [P].

王竟亦 ;

陈伽洛 ;

彭汀兰 ;

孙有程 ;

程鹏 ;

马兴军 .

中国专利 :CN114254275B ,2024-05-28

[7]

一种基于对抗样本指纹的黑盒深度学习模型版权保护方法 [P].

王竟亦 ;

陈伽洛 ;

彭汀兰 ;

孙有程 ;

程鹏 ;

马兴军 .

中国专利 :CN114254275A ,2022-03-29

[8]

基于对抗学习的深度学习模型域适应方法 [P].

李海南 ;

方书艳 ;

申景欣 ;

尚文龙 ;

朱智磊 .

中国专利 :CN118350445A ,2024-07-16

[9]

基于深度学习概念解释的图像对抗样本检测方法 [P].

孔祥维 ;

高仁至 ;

杨雨孜 .

中国专利 :CN118781381A ,2024-10-15

[10]

基于目标检测模型特征向量迁移的对抗样本生成方法 [P].

毛云龙 ;

袁新雨 ;

华景煜 ;

仲盛 .

中国专利 :CN114549933B ,2025-04-25

← 1 2 3 4 5 →