机器学习模块的防盗方法以及保护系统技术方案

根据本发明专利技术，机器学习模块(NN)依据训练数据(TD)来被训练，以从机器(M)的操作信号(BS)中导出用于控制机器(M)的控制信号，为了保护该机器学习模块免遭盗窃，在空间分辨率上确定训练数据(TD)在这些操作信号(BS)的表示空间中的分布。此外，通过附加输入层(IL')来扩展该机器学习模块(NN)，并且将扩展的机器学习模块(NN)传送给用户。然后，在输入信号(BS、SS)被馈入扩展的机器学习模块(NN)时，通过该附加输入层(IL')来确定相应输入信号(BS、SS)在表示空间中的位置。此外，根据训练数据(TD)的分布，分别确定覆盖值，该覆盖值指定训练数据(TD)对相应输入信号(BS、SS)的位置的覆盖。最后，根据所确定的覆盖值，尤其是在覆盖值低的情况下，输出报警信号(A)。

【技术实现步骤摘要】
【国外来华专利技术】

技术介绍

1、复杂机器，诸如机器人、发动机、制造设施、机床、燃气轮机、风力涡轮机或机动车辆，通常需要复杂的控制和监测方法以用于高效且稳定的操作。为此，在现代机器控制中通常采用机器学习技术。这样，例如可以训练作为控制模型的神经网络，来以优化的方式控制机器。

2、然而，训练神经网络或其他机器学习模块以控制复杂机器通常被证实非常复杂。这样，通常需要大量的训练数据、大量的计算资源以及大量的特定专业知识。因此，非常令人感兴趣的是：保护经过训练的机器学习模块或其中包含的训练信息以防不受控制或未经授权的传播或使用，和/或识别盗窃。

3、已知的是：在神经网络投放市场之前为其神经元权重配备唯一的数字水印，以用于神经网络的盗窃识别。然后，可以依据水印来检查当前神经网络，以确定其是否来自该水印的用户。然而，此类方法几乎没有提供保护以防所谓的模型提取，在模型提取中，可能标记的神经网络被用于训练新的机器学习模块，以使其行为与该神经网络相似。在这种情况下，在新训练的机器学习模块中，通常无法可靠地证实印在神经元权重上的水印。

4、在互联网文档htt本文档来自技高网...

【技术保护点】

1.一种用于机器学习模块(NN)的防盗的计算机实现的方法，所述机器学习模块依据训练数据(TD)来被训练，以从机器(M)的操作信号(BS)中导出用于控制所述机器(M)的控制信号，其中

2.根据权利要求1所述的方法，其特征在于，

3.根据上述权利要求中任一项所述的方法，其特征在于，

4.根据上述权利要求中任一项所述的方法，其特征在于，

5.根据权利要求4所述的方法，其特征在于，

6.根据权利要求5所述的方法，其特征在于，

7.根据权利要求5或6所述的方法，其特征在于，

8.根据上述权利要求中任一项所述的方法，...

【技术特征摘要】
【国外来华专利技术】

1.一种用于机器学习模块(nn)的防盗的计算机实现的方法，所述机器学习模块依据训练数据(td)来被训练，以从机器(m)的操作信号(bs)中导出用于控制所述机器(m)的控制信号，其中

2.根据权利要求1所述的方法，其特征在于，

3.根据上述权利要求中任一项所述的方法，其特征在于，

4.根据上述权利要求中任一项所述的方法，其特征在于，

5.根据权利要求4所述的方法，其特征在于，

6.根据权利要求5所述的方法，其特征在于，

7.根据权利...

【专利技术属性】
技术研发人员：M·托基奇，A·冯伯宁根，B·夏林格，
申请(专利权)人：西门子股份公司，
类型：发明
国别省市：