【技术实现步骤摘要】
本专利技术属于信息安全、机器学习领域，涉及在线学习过程中在线投毒攻击的防御方法，具体提供一种面向在线学习的投毒攻击防御方法。
技术介绍
1、在边缘计算环境中，数据投毒攻击(dpa)是最具破坏性的潜在攻击之一，攻击者可以轻易地冒充合法用户终端在线生成恶意数据并攻击边缘ai模型，攻击者可以注入毒化样本来修改训练数据的数据分布，从而训练模型以满足他们的特定攻击目标；这种攻击可能会严重危害ai模型的安全性和可靠性，并对边缘系统造成严重威胁。比如，在医疗物联网(the internet of medical things，iomt)领域中，攻击者伪装成合法医疗终端仅上传2％的恶意药物剂量数据，就会严重干扰药物剂量预测模型。
2、目前，关于投毒攻击防御的研究和应用多是针对离线环境，对于在线环境下的投毒攻击还没有有效的解决办法，主要原因在于当前防御方法在面对在线攻击时存在以下不足：首先，由于无法预知全部样本以及攻击时刻，导致无法构建数据防御所依赖的可信干净样本集，使防御方法失效；其次，由于投毒样本总数未知，难以制定合适的过滤阈值，使得离线...
【技术保护点】
1.一种面向在线学习的投毒攻击防御方法，其特征在于，包括以下步骤：
2.根据权利要求1所述面向在线学习的投毒攻击防御方法，其特征在于，S1中，采用随机初始化将模型参数初始化为θ0，并初始化当前时间片t为1、最优投毒率Pt为0。
3.根据权利要求1所述面向在线学习的投毒攻击防御方法，其特征在于，S2中，投毒率集合表示为I，具体为：
4.根据权利要求1所述面向在线学习的投毒攻击防御方法，其特征在于，S3中，目标函数值表达为：
5.根据权利要求1所述面向在线学习的投毒攻击防御方法，其特征在于，s4中，影响力表达为：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。