公开(公告)号：CN118709561A

公开(公告)日：2024-09-27

申请号：CN202410858029.7

申请日：2024-06-28

Applicant: 广东工业大学

Inventor： 凌捷 ,  钟炜博 ,  罗玉

IPC: G06F30/27 ,  G06Q10/04 ,  G06F18/24 ,  G06F17/13 ,  G06F18/214 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/084

Abstract: 本发明公开了一种基于泊松流模型的对抗训练方法及装置，包括：从原始数据集中采样样本数据集并建模为电场电子，由常微分方程模拟电子在电场中的运动，计算每个样本数据的经验泊松场以计算损失函数，迭代更新泊松流模型参数；基于泊松流模型使用前向模拟生成与原始数据集具有相似分布特性的高维点，并将高维点转换为与样本数据格式相同的图像数据；将图像数据输入预训练的深度学习分类网络，生成伪标签并选取置信度相对高的若干样本数据与原始数据集合并生成合并数据集；基于合并数据集生成对抗样本，并使用对抗样本与原始数据集训练目标分类模型。本发明提高了训练数据的多样性，显著缓解了对抗训练的鲁棒过拟合，提高了目标模型的对抗鲁棒性。