基于调整自集成中模型权重的后门攻击防御方法和系统

本发明提供基于调整自集成中模型权重的后门攻击防御方法和系统，监听和分析深度神经网络模型的自集成训练过程的训练日志，得到模型权重特征信息，以此从深度神经网络模型的历史模型权重库中选择相应的若干模型权重，其利用模型前期训练阶段对潜在后门攻击具有较低敏感度的特点，从中筛选出具有较有性能的模型权重，对完成自集成训练的深度神经网络模型进行权重聚合调整，以此得到优化深度神经网络模型，准确有效提高模型的性能和鲁棒性，这样可增强模型对后门攻击的防御能力和保障模型运行安全性与可靠性。