一种针对硬标签无数据设置的模型安全性评估方法及系统

1.一种针对硬标签无数据设置的模型安全性评估方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种针对硬标签无数据设置的模型安全性评估方法，其特征在于，步骤s1具体如下：将目标模型分类结果，首先通过特征提取层进行特征提取，提取后构建一个类别全面的小样本数据集，并将其作为初始数据送入去噪扩散模型进行前向扩散，于是任意时刻的数据分布由初始数据表示：

3.根据权利要求1所述的一种针对硬标签无数据设置的模型安全性评估方法，其特征在于，步骤s2中，对抗损失表示为：

4.根据权利要求1所述的一种针对硬标签无数据设置的模型安全性评估方法，其特征在于，步骤s3中，使用类多样性损失强制执行多样性约束，具体的，类多样性损失函数使生成器生成更加贴合目标模型训练数据集所有类中多样化的图像；在一批n个样本中，考虑对每一个j类的期望置信度值为，得到所有k个类别的损失表示为：

5.根据权利要求1所述的一种针对硬标签无数据设置的模型安全性评估方法，其特征在于，步骤s4具体是，设定目标模型安全性阈值，通过计算替代模型的功能拟合精确度，获取替代模型和目标模型之间的相似性，表示为：

6.一种针对硬标签无数据设置的模型安全性评估系统，其特征在于，用于实现如权利要求1-5任一项所述的一种针对硬标签无数据设置的模型安全性评估方法，所述系统包括去噪扩散模型、生成器、鉴别器、损失计算模块、模型安全性评估模块；