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！

龙图腾网获悉西安电子科技大学申请的专利一种基于误差分治的神经网络验证方法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：CN115829018B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202211422138.1，技术领域涉及：G06N3/08；该发明授权一种基于误差分治的神经网络验证方法是由田聪;董彦松;段鑫民;刘月浩;赵亮;于斌;段振华设计研发完成，并于2022-11-14向国家知识产权局提交的专利申请。

本一种基于误差分治的神经网络验证方法在说明书摘要公布了：本发明涉及一种基于误差分治的神经网络验证方法，采用改进的符号线性松弛计算给定输入范围内网络节点的严格近似函数，并使用过近似节点的误差约束分割策略将原验证问题划分为等价的一系列子问题，对一系列子问题进行完备验证从而验证整个神经网络的安全属性。通过本发明的方法，有效地缩减了神经网络验证过程中的状态空间，能够高效地对神经网络进行安全属性验证和评估并且能够提高神经网络可信验证方法的可扩展性。

本发明授权一种基于误差分治的神经网络验证方法在权利要求书中公布了：1.一种基于误差分治的神经网络验证方法，其特征在于，用于对神经网络进行安全属性验证和评估，所述方法包括： 设置预设验证时限； 步骤1：读取待验证的神经网络模型后进行解析，获取待验证的神经网络模型的参数，并根据所述神经网络模型和安全属性约束，得到初始验证问题，将所述初始验证问题加入验证问题集合；其中，所述神经网络模型的参数包括神经网络模型的结构、权重和偏置；所述初始验证问题记为f，x，y，其中，f表示神经网络模型、x表示模型的输入、y表示模型的输出； 步骤2：利用改进的符号线性松弛算法，通过遍历神经网络模型的隐藏层的所有节点，导出神经网络模型中所有节点对模型输入的依赖关系，获取当前验证问题集合中每个验证问题下的神经网络模型的隐藏层中每个节点输出的符号上界函数和符号下界函数，其中，所述隐藏层包括仿射层和ReLU层； 步骤3：对于每个验证问题下的神经网络模型，根据所述符号上界函数和所述符号下界函数，构建得到每个验证问题下的神经网络模型的所有ReLU层节点的节点误差矩阵； 步骤4：判断当前验证问题集合中的每个验证问题是否满足分割条件，将满足分割条件的验证问题进行分割，并根据分割结果对所述验证问题集合进行更新，同时将不满足分割条件的验证问题添加至不可分割的问题集合中； 其中，在对所述验证问题集合进行更新后重复步骤2-步骤4，直至当前验证问题集合中不存在满足分割条件的验证问题，则将当前验证问题集合中的所有验证问题添加至不可分割的问题集合中； 步骤5：对所述不可分割的问题集合中的每个验证问题进行MILP编码后并行加入求解器进行验证，根据验证结果确定神经网络模型的安全性； 其中，所述分割条件为：当前的分割深度小于预设的分割次数上限，以及当前验证问题下的节点误差矩阵中的最大误差值大于或等于预设的分支临界值； 在所述步骤5中，若所述不可分割的问题集合中的所有验证问题的验证结果均为Safe，则所述神经网络模型满足安全属性，若所述不可分割的问题集合中存在验证结果为Unsafe的验证问题或是验证程序执行时间超过所述预设验证时限，则所述神经网络模型不满足安全属性。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2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”。

以上内容由龙图腾AI智能生成。