- 1、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。。
- 2、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 3、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明属于信息安全领域,具体涉及一种基于对比学习系统的多模态样本植入方法,包括:基于选取特定的目标样本与基类样本构造相应的多模态样本进行系统植入;将投毒样本与干净数据集融合进行目标模型训练;将目标样本输入目标模型得到预测值;其中,基于目标样本与基类样本生成相应透明度的底水印样本;采用基于Beta分布的生成器生成随机数(即透明度);通过计算带有水印的样本与目标样本之间的欧式距离,确定在该透明度下采样的样本数量;添加水印之后的样本通过特定的优化算法后生成投毒样本。本发明探索了当前多模态对比学习模型中
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117216741A
(43)申请公布日2023.12.12
(21)申请号202310938870.2
(22)申请日2023.07.28
(71)申请人武汉盛信鸿通科技
文档评论(0)