公开(公告)号：CN117540791B

公开(公告)日：2024-04-05

申请号：CN202410013557.2

申请日：2024-01-03

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 徐恪 ,  夏天宇 ,  赵乙 ,  李琦 ,  谭崎 ,  王维强 ,  赵闻飙 ,  金宏 ,  张震 ,  林晓彤

IPC: G06N3/094 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/044 ,  G06N3/0475 ,  G06N3/084 ,  G06F18/23213 ,  G06Q20/40

Abstract: 本说明书实施例涉及一种对抗训练的方法及装置，方法包括：首先，获取基于训练集训练的第一模型，训练集中各训练样本包含结构化的特征数据及标签。然后，基于第一模型针对各个训练样本的总预测损失对特征数据的梯度值，确定目标权重向量。接下来，将目标权重向量施加于各训练样本的特征数据，得到各第一结果向量，并构建检索集。最后，基于训练集和检索集对第二模型进行多轮训练；任意一轮训练包括：使用训练集中部分训练样本训练第二模型；基于对抗训练算法与第二模型，确定部分训练样本对应的对抗样本特征；利用对抗样本特征在检索集中进行检索，从而确定各个对抗样本特征的标签，并构建对抗训练集；使用对抗训练集训练第二模型。

公开(公告)号：CN117540791A

公开(公告)日：2024-02-09

申请号：CN202410013557.2

申请日：2024-01-03

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 徐恪 ,  夏天宇 ,  赵乙 ,  李琦 ,  谭崎 ,  王维强 ,  赵闻飙 ,  金宏 ,  张震 ,  林晓彤

IPC: G06N3/094 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/044 ,  G06N3/0475 ,  G06N3/084 ,  G06F18/23213 ,  G06Q20/40

Abstract: 本说明书实施例涉及一种对抗训练的方法及装置，方法包括：首先，获取基于训练集训练的第一模型，训练集中各训练样本包含结构化的特征数据及标签。然后，基于第一模型针对各个训练样本的总预测损失对特征数据的梯度值，确定目标权重向量。接下来，将目标权重向量施加于各训练样本的特征数据，得到各第一结果向量，并构建检索集。最后，基于训练集和检索集对第二模型进行多轮训练；任意一轮训练包括：使用训练集中部分训练样本训练第二模型；基于对抗训练算法与第二模型，确定部分训练样本对应的对抗样本特征；利用对抗样本特征在检索集中进行检索，从而确定各个对抗样本特征的标签，并构建对抗训练集；使用对抗训练集训练第二模型。