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！

龙图腾网获悉厦门大学申请的专利针对网络任务应答信息的优化方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116739052B 。

龙图腾网通过国家知识产权局官网在2025-09-19发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310710305.0，技术领域涉及：G06N3/0464；该发明授权针对网络任务应答信息的优化方法及系统是由向乔;林毓灵;黄杨帆;宋浩浩;舒继武设计研发完成，并于2023-06-15向国家知识产权局提交的专利申请。

本针对网络任务应答信息的优化方法及系统在说明书摘要公布了：本公开提供了一种针对网络任务应答信息的优化方法，包括：根据机器学习模型对网络任务的应答逻辑，确定关于应答逻辑的至少一个验证问题，其中网络任务包括网络拥塞控制任务、视频流速率控制任务和数据中心流调度任务，应答逻辑表征机器学习模型生成应答信息的原理；对验证问题进行编码，以将验证问题转换为第一可满足性模理论公式；由编码器对机器学习模型的网络结构进行编码，以获得多个第二可满足性模理论公式；调用规划器对第一可满足性模理论公式和第二可满足性模理论公式进行分析，生成用于表征机器学习模型的应答逻辑合理性的解释结论。本公开还提供一种针对网络任务应答信息的优化系统。

本发明授权针对网络任务应答信息的优化方法及系统在权利要求书中公布了：1.一种针对网络任务应答信息的优化方法，其特征在于，包括： 根据机器学习模型对网络任务的应答逻辑，确定获得所述应答逻辑的至少一个验证问题，其中所述网络任务包括网络拥塞控制任务、视频流速率控制任务和数据中心流调度任务，所述应答逻辑表征所述机器学习模型生成应答信息的原理； 对所述验证问题进行编码，以将所述验证问题转换为第一可满足性模理论公式； 由编码器对所述机器学习模型的网络结构进行编码，以获得多个第二可满足性模理论公式，包括：根据所述机器学习模型的输入层所设定的关于所述网络任务的输入变量范围，对所述输入层进行编码，以获得所述输入层对应的第二可满足性模理论公式；根据所述机器学习模型的构建逻辑，构造所述机器学习模型关于所述网络任务的输入变量和应答所述网络任务所产生的原始输出变量之间关系表达式，并对所述关系表达式进行编码，以获得隐藏层对应的第二可满足性模理论公式；以及根据所述机器学习模型的输出层所设定的关于所述网络任务的原始输出变量范围，对所述输出层进行编码，以获得所述输出层对应的第二可满足性模理论公式； 调用规划器对所述第一可满足性模理论公式和所述第二可满足性模理论公式进行分析，生成用于表征所述机器学习模型的应答逻辑合理性的解释结论； 所述优化方法，还包括： 根据所述第二可满足性模理论公式、扰动特征的谓词逻辑，输入变量中未被扰动的特征的谓词逻辑，构建模型可解释性问题公式； 所述调用规划器对所述第一可满足性模理论公式和所述第二可满足性模理论公式进行分析，生成用于表征所述机器学习模型的应答逻辑合理性的解释结论，包括： 根据所述模型可解释性问题公式，利用定性锚点方式确定对所述机器学习模型在应答所述网络任务时产生主导作用的主导输入特征集；以及利用定量锚点方式，确定所述主导输入特征集中各个主导特征的取值范围； 根据所述模型可解释性问题公式，利用反事实解释算法确定所述机器学习模型在应答所述网络任务时的期望输入变量，以使得所述机器学习模型在基于所述期望输入变量进行关于所述网络任务的应答时，生成符合期望应答决策的期望输出变量； 根据所述模型可解释性问题公式，利用决策边界算法确定所述机器学习模型在下达所述网络任务时的输入变量边界范围，以使得所述机器学习模型的输入变量处于所述输入变量边界范围时，其处理所述网络任务所产生的输出变量与原始输出变量不一致； 根据所述模型可解释性问题公式，逐一调整关于所述网络任务的输入变量中的各个特征，分别确定每个所述特征在使原始输出变量发生改变时的最小攻击程度，并根据所述最小攻击程度对所述输入变量的各个特征进行重要性排序，其中特征的最小程度与特征的重要性成反比；以及 根据所述模型可解释性问题公式，对关于所述网络任务的输入变量中任一特征进行扰动处理，获得以所述特征作为扰动特征时所对应的输出变量，并确定所述输出变量与原始输出变量之间的偏差程度，其中所述偏差程度用于表征所述机器学习模型对所述特征发生变化时的敏感程度。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人厦门大学，其通讯地址为：361005 福建省厦门市思明区思明南路422号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。