买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：宁波大学

摘要：本发明公开了一种面向非侵入式语音质量评估的后门防御方法，其对语音数据集预拆分成中间值子集和边界值子集；然后在对NISQA模型进行前期训练时，采用基于损失的中毒样本过滤策略，按照一定的间隔轮次动态地过滤掉中间值子集中存在的中毒样本，最终得到前期训练完成的NISQA模型以及定性的中间值子集和边界值子集；再将未受到后门攻击且已训练完成的NISQA模型在中间值子集上进行一遍预测，并根据预测的准确度进行加权求和，以获得边界值子集中的语音样本更准确的伪标签值；最后基于中间值子集和具有更准确的伪标签值的边界值子集，对前期训练完成的NISQA模型进行后期训练，以得到后门攻击减缓的NISQA模型；优点是能应对投毒率较大时的后门攻击，且效率高。

主权项：1.一种面向非侵入式语音质量评估的后门防御方法，其特征在于包括以下步骤：步骤1：对包含有干净样本及其干净标签和中毒样本及其目标标签的语音数据集进行预拆分，预拆分成两个子集，分别为中间值子集和边界值子集其中，干净样本和中毒样本均为语音样本，干净样本的干净标签为干净样本语音质量的量化值，中毒样本的目标标签为攻击者预先设定，干净样本的干净标签和中毒样本的目标标签均为MOS分，值范围为[1，5]；步骤2：预设前期训练轮次为Tr次，预设间隔轮次为Td次，1TdTr，设定迭代次数为k，k的初始值为1；重复基于中间值子集对NISQA模型进行训练，对边界值子集进行测试，利用预测结果变动中间值子集和边界值子集，具体过程为：步骤2.1：在第k次迭代过程中，基于中间值子集对NISQA模型进行训练，在训练Td轮后结束训练，得到第k次迭代过程训练后的NISQA模型然后使用NISQA模型对边界值子集进行测试，得到边界值子集中的每个语音样本的预测标签即伪标签，计算边界值子集中的每个语音样本的标签与预测标签的损失；再依次比较边界值子集中的每个语音样本对应的损失与的大小，若当前的语音样本对应的损失大于则认为当前的语音样本为中毒样本，保持当前的语音样本不动，若当前的语音样本对应的损失小于或等于则认为当前的语音样本不为中毒样本，将当前的语音样本移动到中间值子集中；在边界值子集中的所有语音样本对应的损失与比较完毕后，得到新的中间值子集和新的边界值子集再执行步骤2.2；其中，计算边界值子集中的每个语音样本的标签与预测标签的损失的损失函数采用NISQA模型中原有的损失函数，k＝1时为步骤1中的中间值子集为步骤1中的边界值子集表示步骤1中的中间值子集中的所有语音样本的均方误差、表示未训练过的原始的NISQA模型，k1时表示第k-1次迭代过程得到的中间值子集、表示第k-1次迭代过程得到的边界值子集、表示中的所有语音样本的均方误差、表示第k-1次迭代过程训练后的NISQA模型；步骤2.2：判断k是否小于如果是，则令k＝k+1，然后返回步骤2.1继续执行，直至得到第次迭代过程训练后的NISQA模型第次迭代过程得到的中间值子集第次迭代过程得到的边界值子集否则，基于第次迭代过程得到的中间值子集对第次迭代过程训练后的NISQA模型进行训练，在训练轮后结束训练，得到前期训练完成的NISQA模型并令令其中，为向下取整运算符号，k＝k+1、中的“＝”为赋值符号；步骤3：选择n个未受到后门攻击且已训练完成的NISQA模型；然后使用这n个NISQA模型分别对步骤2中前期训练完成后得到的边界值子集进行测试，得到边界值子集中的每个语音样本的预测标签即伪标签；再依次遍历边界值子集中的每个语音样本，对当前遍历的语音样本的n个预测标签进行加权求和，并将加权求和得到的结果作为新标签替换掉当前遍历的语音样本原有的标签，直至边界值子集中的所有语音样本原有的标签替换完；其中，n1；步骤4：将步骤2中前期训练完成后得到的中间值子集和步骤3中替换标签后得到的边界值子集合并成语音数据集然后基于语音数据集对步骤2中前期训练完成的NISQA模型进行训练，在训练Th轮后结束训练，得到后门攻击减缓的NISQA模型，实现了后门防御；其中，Th表示预设的后期训练轮次。

全文数据：

权利要求：

百度查询： 宁波大学 一种面向非侵入式语音质量评估的后门防御方法