-
公开(公告)号：CN112488225A
公开(公告)日：2021-03-12
申请号：CN202011433028.6
申请日：2020-12-10
Applicant: 成都信息工程大学
Abstract: 一种量子模糊机器学习对抗防御模型方法，包括：S1、构造合法用户的量子模糊数据样本；S2、模拟恶意攻击者构建攻击策略：将构造好的扰动添加到合法用户的量子模糊数据样本中，形成恶意攻击者的量子模糊对抗样本；S3、将合法用户的量子模糊数据样本与恶意攻击者的量子模糊对抗样本提交给量子模糊机器学习系统训练和学习，量子模糊机器学习系统做出正确决策；其中，量子模糊机器学习系统包括对抗防御模块，对抗防御模块为防御恶意攻击者的对抗样本，使量子模糊机器学习系统做出正确决策。该模型方法可有效抵御恶意攻击者的攻击，提升量子模糊机器学习系统的安全性和鲁棒性，确保量子模糊机器学习算法安全、可靠地运行。
-
公开(公告)号：CN112686328A
公开(公告)日：2021-04-20
申请号：CN202110012519.1
申请日：2021-01-06
Applicant: 成都信息工程大学
IPC: G06K9/62
Abstract: 本发明提供了一种基于量子模糊信息的数据分类系统及方法，系统包括：量子模糊化输入模块设置为将问题域中的模糊元素量子化后传递给改进模糊支持向量机分类模块；改进模糊支持向量机分类模块设置为利用改进的量子化模糊支持向量机对量子化模糊元素进行分类，并将分类结果传递给输出模块；输出模块将量子化的分类结果解码后转化为可识别内容显示；改进的量子化模糊支持向量机是将二次规划问题转化为线性方程组求解问题，并进行量子化处理的模糊支持向量机。本申请以直觉模糊集刻画不确定性问题，客观、准确、全面地反应不确定性问题中各对象的所蕴含的信息，利用量子计算在处理复杂性和不确定性问题上的高效率优势，准确、快速的处理相关问题。
-
公开(公告)号：CN112508198A
公开(公告)日：2021-03-16
申请号：CN202011433044.5
申请日：2020-12-10
Abstract: 本发明提供了一种基于量子模糊信息的不确定性问题建模方法，包括以下步骤：针对问题域X＝{x1,x2,...,xn}中的不确定性元素xi(i＝1,2,...,n)建立直觉模糊集A＝{ |xi∈X}，其中，μA(xi)为隶属度，νA(xi)为非隶属度；πA(xi)为犹豫度，πA(xi)＝1‑μA(xi)‑vA(xi)；用量子模糊信息描述元素xi与直觉模糊集A的关系：根据所述量子模糊信息建模分析问题域X中各元素xi与直觉模糊集A的隶属关系。本发明以直觉模糊集刻画不确定性问题，客观、准确、全面地反应不确定性问题中各对象的所蕴含的信息，然后以量子态作为信息处理单元，利用量子计算在处理复杂性和不确定性问题上的高效率优势，准确、快速的处理相关问题。
-
公开(公告)号：CN112381232A
公开(公告)日：2021-02-19
申请号：CN202011277371.6
申请日：2020-11-16
Applicant: 成都信息工程大学
Abstract: 本发明涉及量子机器学习，模糊集理论以及网络对抗技术领域，提供了一种量子模糊机器学习对抗攻击模型方法，包括：S1、构造合法用户的量子模糊数据样本；S2、恶意攻击者构建攻击策略，将构造好的扰动添加到合法用户的量子模糊数据样本中，形成量子模糊对抗样本；S3、量子模糊机器学习系统根据量子模糊对抗样本进行分类，并做出相应的正确决策或错误决策；其中，当量子模糊对抗样本为合法用户的量子模糊数据样本时，做出正确决策；当量子模糊对抗样本为恶意攻击者构造的样本时，做出错误决策，达到其攻击目的，本发明解决了量子模糊机器学习算法具有的脆弱性及很多的不足，提升了安全性和鲁棒性。
-
-
-
Search Results
4
records
(took 0.021 seconds)
