-
公开(公告)号：CN114254764B
公开(公告)日：2024-04-05
申请号：CN202111620457.9
申请日：2021-12-27
申请人： 西安交通大学
IPC分类号： G06N20/00
摘要： 本发明属于机器学习领域，公开了一种基于反馈的机器学习模型搜索方法、系统、设备及介质，包括获取初始机器学习模型参数，并根据初始机器学习模型参数构建初始机器学习模型；通过预设的训练数据集训练初始机器学习模型，得到初始机器学习模型的训练反馈数据和训练得分；确定当前最优机器学习模型，获取当前最优机器学习模型的训练反馈数据，并根据当前最优机器学习模型的训练反馈数据，得到当前最优机器学习模型的搜索操作；判断是否满足预设的终止条件，不满足时根据当前最优机器学习模型和搜索操作，修改当前最优机器学习模型并作为初始机器学习模型重复上述步骤；满足时输出当前最优机器学习模型，极大的提升了机器学习模型搜索效率。
-
公开(公告)号：CN114254763B
公开(公告)日：2024-04-05
申请号：CN202111620425.9
申请日：2021-12-27
申请人： 西安交通大学
IPC分类号： G06N20/00
摘要： 本发明属于机器学习领域，公开了一种机器学习模型修复方法、系统、计算机设备及存储介质，包括：S1：获取待训练的机器学习模型；S2：通过预设的训练集训练机器学习模型，并获取训练过程中机器学习模型的预设监控指标数据；S3：根据获取的预设监控指标数据，判断机器学习模型是否存在训练问题；S4：当机器学习模型不存在训练问题时，输出当前机器学习模型并结束修复；S5：当机器学习模型存在训练问题时，依次选取预设的训练问题修复策略集合中的训练问题修复策略，并且每选取一训练问题修复策略均进行修复步骤：根据选取的训练问题修复策略修复机器学习模型，并重复S2～S4。该方法工作效率高，复杂度低，可以有效检测并修复训练问题，减少人工成本。
-
公开(公告)号：CN114254763A
公开(公告)日：2022-03-29
申请号：CN202111620425.9
申请日：2021-12-27
申请人： 西安交通大学
IPC分类号： G06N20/00
摘要： 本发明属于机器学习领域，公开了一种机器学习模型修复方法、系统、计算机设备及存储介质，包括：S1：获取待训练的机器学习模型；S2：通过预设的训练集训练机器学习模型，并获取训练过程中机器学习模型的预设监控指标数据；S3：根据获取的预设监控指标数据，判断机器学习模型是否存在训练问题；S4：当机器学习模型不存在训练问题时，输出当前机器学习模型并结束修复；S5：当机器学习模型存在训练问题时，依次选取预设的训练问题修复策略集合中的训练问题修复策略，并且每选取一训练问题修复策略均进行修复步骤：根据选取的训练问题修复策略修复机器学习模型，并重复S2～S4。该方法工作效率高，复杂度低，可以有效检测并修复训练问题，减少人工成本。
-
公开(公告)号：CN112069507A
公开(公告)日：2020-12-11
申请号：CN202010996845.6
申请日：2020-09-21
申请人： 西安交通大学
摘要： 本发明属于机器学习领域，公开了一种机器学习框架漏洞检测方法、系统、设备及可读存储介质，包括以下步骤：根据预设API的参数配置要求，随机生成预设API的若干单层模型；将每个单层模型分别在若干机器学习框架中实现，得到不同机器学习框架对同一单层模型的实现结果；根据不同机器学习框架对同一单层模型的实现结果的差异，确定各机器学习框架是否存在框架漏洞及框架漏洞类型。该检测方法无需提前生成可以暴露机器学习框架漏洞的模型，本质上是对每个API的不同参数配置以及不同输入进行贪婪搜索，这样的特性决定了该机器学习框架漏洞检测方法实现简单，复杂度低，且对机器学习框架API的覆盖率高，可以有效减少检测问题时的计算资源开销。
-
公开(公告)号：CN112069508A
公开(公告)日：2020-12-11
申请号：CN202010997867.4
申请日：2020-09-21
申请人： 西安交通大学
摘要： 本发明属于机器学习领域，公开了一种机器学习框架漏洞API参数定位方法、系统、设备及介质，包括：获取一能够触发机器学习框架漏洞的API单层模型，并获取该API单层模型的参数组合及模型输入；变异参数组合中的单个参数，得到变异API单层模型；采用模型输入及变异API单层模型测试机器学习框架，得到机器学习框架漏洞的触发结果；对参数组合中的每个参数，均重复进行若干次变异；整合所有参数组合与对应机器学习框架漏洞的触发结果，进而分析得到机器学习框架漏洞触发的API参数。无须过多先验知识，复杂度低，对于机器学习框架与API类型、漏洞问题的种类与测试方法均无特定的限制，可以应用在多种机器学习框架下的不同API的各种漏洞问题测试中，普适性强。
-
公开(公告)号：CN117237713A
公开(公告)日：2023-12-15
申请号：CN202311183001.X
申请日：2023-09-13
申请人： 西安交通大学
IPC分类号： G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明属于图像处理领域，公开了一种基于卷积神经网络的图像分类方法及相关装置，首先确定卷积神经网络架构的插值阈值，得到卷积神经网络架构的粗粒度搜索空间，在粗粒度搜索空间中心点处通过预设的超参数优化方法及图像训练数据集进行粗粒度搜索，根据搜索结果得到卷积神经网络架构的细粒度搜索空间，并在细粒度搜索空间中通过预设的超参数优化方法及图像训练数据集进行细粒度搜索，得到图像分类卷积神经网络模型；最终获取待分类图像并输入至图像分类卷积神经网络模型，得到分类结果。本发明方法复杂度低，效率高，具有极强的实践性，实现了搜索精度与搜索速度的兼顾，得到的图像分类卷积神经网络模型模型具有更高的分类效率与分类精度。
-
公开(公告)号：CN112069508B
公开(公告)日：2023-03-21
申请号：CN202010997867.4
申请日：2020-09-21
申请人： 西安交通大学
摘要： 本发明属于机器学习领域，公开了一种机器学习框架漏洞API参数定位方法、系统、设备及介质，包括：获取一能够触发机器学习框架漏洞的API单层模型，并获取该API单层模型的参数组合及模型输入；变异参数组合中的单个参数，得到变异API单层模型；采用模型输入及变异API单层模型测试机器学习框架，得到机器学习框架漏洞的触发结果；对参数组合中的每个参数，均重复进行若干次变异；整合所有参数组合与对应机器学习框架漏洞的触发结果，进而分析得到机器学习框架漏洞触发的API参数。无须过多先验知识，复杂度低，对于机器学习框架与API类型、漏洞问题的种类与测试方法均无特定的限制，可以应用在多种机器学习框架下的不同API的各种漏洞问题测试中，普适性强。
-
公开(公告)号：CN112069507B
公开(公告)日：2023-04-07
申请号：CN202010996845.6
申请日：2020-09-21
申请人： 西安交通大学
摘要： 本发明属于机器学习领域，公开了一种机器学习框架漏洞检测方法、系统、设备及可读存储介质，包括以下步骤：根据预设API的参数配置要求，随机生成预设API的若干单层模型；将每个单层模型分别在若干机器学习框架中实现，得到不同机器学习框架对同一单层模型的实现结果；根据不同机器学习框架对同一单层模型的实现结果的差异，确定各机器学习框架是否存在框架漏洞及框架漏洞类型。该检测方法无需提前生成可以暴露机器学习框架漏洞的模型，本质上是对每个API的不同参数配置以及不同输入进行贪婪搜索，这样的特性决定了该机器学习框架漏洞检测方法实现简单，复杂度低，且对机器学习框架API的覆盖率高，可以有效减少检测问题时的计算资源开销。
-
公开(公告)号：CN114254764A
公开(公告)日：2022-03-29
申请号：CN202111620457.9
申请日：2021-12-27
申请人： 西安交通大学
IPC分类号： G06N20/00
摘要： 本发明属于机器学习领域，公开了一种基于反馈的机器学习模型搜索方法、系统、设备及介质，包括获取初始机器学习模型参数，并根据初始机器学习模型参数构建初始机器学习模型；通过预设的训练数据集训练初始机器学习模型，得到初始机器学习模型的训练反馈数据和训练得分；确定当前最优机器学习模型，获取当前最优机器学习模型的训练反馈数据，并根据当前最优机器学习模型的训练反馈数据，得到当前最优机器学习模型的搜索操作；判断是否满足预设的终止条件，不满足时根据当前最优机器学习模型和搜索操作，修改当前最优机器学习模型并作为初始机器学习模型重复上述步骤；满足时输出当前最优机器学习模型，极大的提升了机器学习模型搜索效率。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.026 秒)