-
题名基于多目标演化优化的SVM对抗仿真测试算法
- 1
-
-
作者
李飞行
邢立宁
周宇
-
机构
中国飞行试验研究院
西安电子科技大学电子工程学院
-
出处
《系统仿真学报》
CAS
CSCD
北大核心
2024年第9期2016-2031,共16页
-
基金
陕西省重点科技创新团队项目(2023-CX-TD-07)
陕西省重点研发计划(2024GH-ZDXM-48)。
-
文摘
机器学习通常从数据中挖掘潜在的模式与规则,容易受到数据的影响而产生诸如过拟合、欠拟合等现象,进而影响学习模型的泛化与鲁棒性能。从对抗仿真测试的角度考察SVM可能存在的脆弱不稳定性,采用的对抗仿真策略是通过选择性地污染训练样本标签,模拟攻击SVM分类器使其性能退化,以测试其对训练样本的依赖性。为探究SVM分类器在不同样本组合攻击下的性能损失上限,设计了最小攻击代价-最大攻击成效这一对矛盾目标,构建了SVM仿真测试的多目标优化模型。该模型本质上是一种典型的多目标组合优化问题,可采用适当的多目标演化算法求解目标间的一组非支配解集,揭示分类器在不同样本组合攻击下的分类性能表现。在人工及真实数据集上的仿真对比实验结果表明:所提方法能够一次性生成不同攻击水平下的最优攻击样本组合,取得最大的分类性能损失,更能全面测试SVM分类器性能的稳定性。
-
关键词
对抗仿真测试
污染标签
支持向量机
性能损失
多目标优化
非支配解集
-
Keywords
adversarial simulation testing
label contamination
SVM
performance degradation
multiobjective optimization
non-dominated solutions
-
分类号
TP306.2
[自动化与计算机技术—计算机系统结构]
-
