摘要
一种基于逆向知识蒸馏的模型漏洞提取方法,属于人工智能信息安全和深度学习领域,具体包括以下步骤:步骤1:构建逆向知识蒸馏所需的对抗补丁数据集:步骤2:基于所构建的对抗补丁数据集将模型漏洞知识提取至蒸馏完成的学生模型中。本发明通过上述方法,为解决当前深度学习模型面临的鲁棒性挑战提供了一种新颖且有效的解决方案,展示了在提高模型安全性方面的巨大潜力。
技术关键词
补丁
样本
教师
学生
漏洞
决策
数据
像素
标签
图像
知识蒸馏方法
损失函数设计
模型构建方法
对抗性
深度学习模型
噪声特征
掩码矩阵
阶段
调控策略