[發(fā)明專利]一種基于迭代抽象分析的神經(jīng)網(wǎng)絡(luò)安全性質(zhì)驗證方法在審
| 申請?zhí)枺?/td> | 202010382022.4 | 申請日: | 2020-05-08 |
| 公開(公告)號: | CN111475321A | 公開(公告)日: | 2020-07-31 |
| 發(fā)明(設(shè)計)人: | 陳立前;尹幫虎;王戟;劉江潮;董威;毛曉光;文艷軍;劉萬偉;尹良澤 | 申請(專利權(quán))人: | 中國人民解放軍國防科技大學(xué) |
| 主分類號: | G06F11/00 | 分類號: | G06F11/00;G06N3/04;G06N3/08 |
| 代理公司: | 湖南兆弘專利事務(wù)所(普通合伙) 43008 | 代理人: | 周長清 |
| 地址: | 410073 湖南*** | 國省代碼: | 湖南;43 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 抽象 分析 神經(jīng)網(wǎng)絡(luò) 安全 性質(zhì) 驗證 方法 | ||
本發(fā)明公開了一種基于迭代抽象分析的神經(jīng)網(wǎng)絡(luò)安全性質(zhì)驗證方法,其步驟包括:步驟S1:單遍抽象分析;對一個給定的輸入域在神經(jīng)網(wǎng)絡(luò)的抽象語義下進(jìn)行逐層推導(dǎo),得到其對應(yīng)的輸出;步驟S2:基于不變式進(jìn)行性質(zhì)驗證;通過檢查不變式與待驗證性質(zhì)的關(guān)系,判斷性質(zhì)是否成立;步驟S3:輸入域劃分;對于給定的輸入域,若單遍抽象分析產(chǎn)生的不變式無法驗證性質(zhì)是否成立時,則采用非確定首層神經(jīng)元引導(dǎo)的劃分策略產(chǎn)生劃分謂詞,再基于劃分謂詞對輸入域進(jìn)行劃分,生成兩個子驗證問題;步驟S4:子驗證問題精化;驟S5:迭代驗證;對于每個無法驗證的子問題,重復(fù)上述步驟。本發(fā)明具有原理簡單、能夠提高神經(jīng)網(wǎng)絡(luò)安全性質(zhì)完備驗證的效率等優(yōu)點。
技術(shù)領(lǐng)域
本發(fā)明主要涉及到神經(jīng)網(wǎng)絡(luò)技術(shù)領(lǐng)域,特指一種基于迭代抽象分析的神經(jīng)網(wǎng)絡(luò)安全性質(zhì)驗證方法。
背景技術(shù)
神經(jīng)網(wǎng)絡(luò)近年來被廣泛應(yīng)用于安全攸關(guān)領(lǐng)域,包括自動駕駛、醫(yī)療診斷、飛行器防碰撞系統(tǒng)等。在此類系統(tǒng)中,任何一個安全性質(zhì)被違背都可能帶來非常嚴(yán)重的后果。例如,近些年,特斯拉自動駕駛系統(tǒng)因故障出現(xiàn)多起車毀人亡的事件。通常情況下,安全攸關(guān)系統(tǒng)都進(jìn)行了盡可能充分的測試,但這些測試難以保證在極端場景下系統(tǒng)的高可靠性。因此,確保神經(jīng)網(wǎng)絡(luò)系統(tǒng)的高可靠性已經(jīng)成為人工智能技術(shù)在安全攸關(guān)領(lǐng)域廣泛應(yīng)用的重要前提。
驗證技術(shù)是判斷一個神經(jīng)網(wǎng)絡(luò)系統(tǒng)是否可靠的重要途徑。具體而言,驗證問題是指給定一組關(guān)于輸入的約束,對于輸入約束中變量的每一組可能的具體取值,經(jīng)過神經(jīng)網(wǎng)絡(luò)的逐層計算,都會得到一組輸出,判斷這些輸出是否滿足預(yù)先設(shè)定的關(guān)于輸出的一組約束(即安全性質(zhì))。
現(xiàn)有的基于區(qū)間傳播的神經(jīng)網(wǎng)絡(luò)安全性質(zhì)完備驗證方法包括以下四個步驟:
S1:基于區(qū)間值傳播的單遍抽象分析。
S2:性質(zhì)驗證。
S3:基于區(qū)間二分法的輸入域劃分。
S4:對于劃分得到的子驗證問題,重復(fù)步驟S1至S3。
現(xiàn)有的神經(jīng)網(wǎng)絡(luò)安全性質(zhì)完備驗證技術(shù)存在的主要缺點是驗證效率低,具體原因來自以下三個方面:
1)單遍抽象分析精度低;目前基于區(qū)間值傳播的抽象分析過程在碰到ReLU激活函數(shù)時,需要利用ReLU函數(shù)之前的符號表示計算出ReLU函數(shù)之后的神經(jīng)元的數(shù)值區(qū)間范圍,該過程丟失了神經(jīng)元之間的線性關(guān)系,從而導(dǎo)致逐層計算過程中引入大量精度損失。由于精度損失會逐層傳播并放大,其后果是導(dǎo)致單遍抽象分析的精度很低,不足以驗證性質(zhì)是否成立,導(dǎo)致單遍抽象驗證成功率低。
2)未利用待驗證的目標(biāo)性質(zhì);目前迭代驗證過程中,每次都只利用了前向抽象分析產(chǎn)生的不變式來判斷性質(zhì)是否成立,而未利用待驗證性質(zhì)對待驗證問題進(jìn)行優(yōu)化,從而導(dǎo)致迭代驗證的目標(biāo)性不強,驗證效率低。
3)劃分方法過于簡單和盲目;目前的劃分方法是從輸入層選取一個神經(jīng)元,對神經(jīng)元的數(shù)值區(qū)間范圍進(jìn)行二分,得到兩個子區(qū)間,再對每個子區(qū)間進(jìn)行驗證。這種劃分方法沒有考慮神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)特征,導(dǎo)致劃分得到的子區(qū)間與原來的區(qū)間相比,對于驗證性質(zhì)是否成立的效果不顯著,從而使得需要很深的劃分深度才能驗證性質(zhì),驗證效率低。
發(fā)明內(nèi)容
本發(fā)明要解決的技術(shù)問題就在于:針對現(xiàn)有技術(shù)存在的技術(shù)問題,本發(fā)明提供一種原理簡單、能夠提高神經(jīng)網(wǎng)絡(luò)安全性質(zhì)完備驗證的效率、降低時間開銷的基于迭代抽象分析的神經(jīng)網(wǎng)絡(luò)安全性質(zhì)驗證方法。
為解決上述技術(shù)問題,本發(fā)明采用以下技術(shù)方案:
一種基于迭代抽象分析的神經(jīng)網(wǎng)絡(luò)安全性質(zhì)驗證方法,其步驟包括:
步驟S1:單遍抽象分析;對一個給定的輸入域在神經(jīng)網(wǎng)絡(luò)的抽象語義下進(jìn)行逐層推導(dǎo),得到其對應(yīng)的輸出;
步驟S2:基于不變式進(jìn)行性質(zhì)驗證;通過檢查不變式與待驗證性質(zhì)的關(guān)系,判斷性質(zhì)是否成立;
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于中國人民解放軍國防科技大學(xué),未經(jīng)中國人民解放軍國防科技大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010382022.4/2.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 硬件神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換方法、計算裝置、軟硬件協(xié)作系統(tǒng)
- 生成較大神經(jīng)網(wǎng)絡(luò)
- 神經(jīng)網(wǎng)絡(luò)的生成方法、生成裝置和電子設(shè)備
- 一種舌診方法、裝置、計算設(shè)備及計算機存儲介質(zhì)
- 學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
- 脈沖神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換方法及相關(guān)轉(zhuǎn)換芯片
- 圖像處理方法、裝置、可讀存儲介質(zhì)和計算機設(shè)備
- 一種適應(yīng)目標(biāo)數(shù)據(jù)集的網(wǎng)絡(luò)模型微調(diào)方法、系統(tǒng)、終端和存儲介質(zhì)
- 用于重構(gòu)人工神經(jīng)網(wǎng)絡(luò)的處理器及其操作方法、電氣設(shè)備
- 一種圖像神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化方法及裝置





