摘要
本发明公开了一种基于TCAE时域卷积自编码器和多模态对抗训练的CPE识别系统对抗防御方法及装置,先采集CPE识别系统多模态数据预处理并提取特征向量,接着生成并融合多模态对抗样本,再利用TCAE编码解码、降噪,然后进行对抗训练,用对抗防御策略净化扰动,最后优化系统;本发明结合了时域卷积自编码器的特征提取能力、多模态对抗样本融合对复杂攻击的适应性以及对抗训练的防御优化机制,不仅能够提升模型对单一模态攻击的防御能力,还能通过多模态特征融合和对抗训练增强模型对未知攻击的泛化能力,从而更有效地抵御对抗攻击,提升基于深度学习的CPE识别技术的整体安全性。
技术关键词
识别系统
样本
深度学习模型
多模态特征融合
时序特征
特征提取能力
卷积滤波器
编码器结构
随机梯度下降
编码器模块
特征提取模块
数据采集模块
模块结构
标签
因子
参数
解码
系统为您推荐了相关专利信息
储能电池
故障诊断模型
数字孪生模型
故障诊断方法
参数
语义分割模型
多模态
图像融合算法
缺陷检测方法
芯片
电池容量预测方法
电池充电数据
车辆
电池容量预测系统
样本
运动轨迹预测
三维运动轨迹
运动轨迹视频
样本
卷积特征
超声导波
智能预测方法
电解液
激励换能器
软包电池