Indexed by:
Abstract:
本发明属于机器学习领域,公开了一种机器学习框架漏洞检测方法、系统、设备及可读存储介质,包括以下步骤:根据预设API的参数配置要求,随机生成预设API的若干单层模型;将每个单层模型分别在若干机器学习框架中实现,得到不同机器学习框架对同一单层模型的实现结果;根据不同机器学习框架对同一单层模型的实现结果的差异,确定各机器学习框架是否存在框架漏洞及框架漏洞类型。该检测方法无需提前生成可以暴露机器学习框架漏洞的模型,本质上是对每个API的不同参数配置以及不同输入进行贪婪搜索,这样的特性决定了该机器学习框架漏洞检测方法实现简单,复杂度低,且对机器学习框架API的覆盖率高,可以有效减少检测问题时的计算资源开销。
Keyword:
Reprint Author's Address:
Email:
Patent Info :
Type: 发明申请
Patent No.: CN202010996845.6
Filing Date: 2020-09-21
Publication Date: 2020-12-11
Pub. No.: CN112069507A
Applicants: 西安交通大学
Legal Status: 实质审查
Cited Count:
WoS CC Cited Count: 0
SCOPUS Cited Count:
ESI Highly Cited Papers on the List: 0 Unfold All
WanFang Cited Count:
Chinese Cited Count:
30 Days PV: 8
Affiliated Colleges: