1.一种用于利用待添加到至少一个原始输入中的至少一个测试图案来检验卷积神经网络的至少一个参数的完整性的方法,包括:
步骤a.在获取到所述测试图案时,计算装置通过使至少一个添加单元对所述原始输入添加所述测试图案而生成至少一个扩展输入;
步骤b.所述计算装置通过使所述卷积神经网络对所述扩展输入执行至少一次卷积运算而生成至少一个检验用输出;以及
步骤c.所述计算装置通过使至少一个比较单元以至少一个基准用输出作为基准来判断所述检验用输出的有效性而检验所述卷积神经网络的所述参数的所述完整性。
2.根据权利要求1所述的方法,其中,
在所述步骤a中,所述计算装置使所述添加单元在对所述原始输入添加至少一个零图案之后添加所述测试图案,使得所述零图案位于所述测试图案与所述原始输入之间。
3.根据权利要求1所述的方法,其中,
在所述步骤c中,所述计算装置使所述比较单元将包含在所述基准用输出中的一个或多个第一值与包含在所述检验用输出的整个区域当中与所述测试图案对应的至少一个特定区域中的与所述一个或多个第一值对应的第二值分别进行比较,当包含在所述基准用输出中的至少一个第一值和包含在所述特定区域中的与所述至少一个第一值对应的所述第二值不同时,所述计算装置使所述比较单元确定所述检验用输出有误,并且确定所述参数中的至少一部分存在至少一个错误。
4.根据权利要求1所述的方法,其中,
在所述步骤c中,所述计算装置使所述比较单元生成与包含在所述检验用输出的整个区域当中与所述测试图案对应的至少一个特定区域的每个通道中的一个或多个值分别对应的一个或多个检验用代表值,并将所述基准用输出的每个通道的一个或多个基准用代表值与所述特定区域的相应通道的所述检验用代表值分别进行比较,当至少一个基准用代表值不用于所述检验用代表值中与所述至少一个基准用代表值对应的代表值时,确定所述检验用输出有误,并且确定所述参数中的至少一部分存在错误。
5.根据权利要求1所述的方法,其中,
在所述步骤a之前,当所述卷积神经网络的安全级别为临界级别以上时,所述计算装置通过使所述卷积神经网络对所述测试图案执行卷积运算而生成所述基准用输出。
6.一种用于利用待添加到至少一个原始输入中的至少一个子测试图案来检验卷积神经网络的至少一个参数的完整性的方法,包括:
步骤a.在获取到具有与包含在计算装置中的所述卷积神经网络的卷积核相同的大小的所述子测试图案时,所述计算装置通过使添加单元对所述原始输入反复进行添加所述子测试图案的操作而生成至少一个扩展输入;
步骤b.所述计算装置通过使所述卷积神经网络对所述扩展输入执行至少一次卷积运算而生成至少一个检验用输出;以及
步骤c.所述计算装置通过使至少一个比较单元以包含在所述检验用输出中的与所述子测试图案分别对应的至少一个检验用子输出作为基准来判断所述检验用输出的有效性而检验所述卷积神经网络的所述参数的完整性。
7.根据权利要求6所述的方法,其中,
每个检验用子输出包括至少一个检验区域和非检验区域,
在所述步骤c中,所述计算装置使所述比较单元将位于包含在所述检验用子输出中的检验区域上的相同的相对位置上的检验值彼此比较,在所述检验值中的至少一个检验值与其他值不同时,所述计算装置使所述比较单元确定所述检验用输出有误,并且确定所述参数中的至少一部分存在至少一个错误。
8.根据权利要求7所述的方法,其中,
根据所述扩展输入上的所述子测试图案的位置来确定每个所述检验用子输出上的所述检验区域的位置和非检验区域的位置。
9.一种计算装置,所述计算装置用于利用待添加到至少一个原始输入中的至少一个测试图案来检验卷积神经网络的至少一个参数的完整性,所述计算装置包括:
至少一个存储器,用于存储指令;以及
至少一个处理器,配置成运行所述指令以用于执行:
过程i.通过使至少一个添加单元对所述原始输入添加所述测试图案而生成至少一个扩展输入;
过程ii.通过使所述卷积神经网络对所述扩展输入执行至少一次卷积运算而生成至少一个检验用输出;以及
过程iii.通过使至少一个比较单元以至少一个基准用输出作为基准来判断所述检验用输出的有效性而检验所述卷积神经网络的所述参数的所述完整性。
10.根据权利要求9所述的计算装置,其中,
在所述过程i中,所述处理器使所述添加单元在对所述原始输入添加至少一个零图案之后添加所述测试图案,使得所述零图案位于所述测试图案与所述原始输入之间。
11.根据权利要求9所述的计算装置,其中,
在所述过程iii中,所述处理器使所述比较单元将包含在所述基准用输出中的一个或多个第一值与包含在所述检验用输出的整个区域当中与所述测试图案对应的至少一个特定区域中的与所述一个或多个第一值对应的第二值分别进行比较,当包含在所述基准用输出中的至少一个第一值和包含在所述特定区域中的与所述至少一个第一值对应的所述第二值不同时,所述处理器使所述比较单元确定所述检验用输出有误,并且确定所述参数中的至少一部分存在至少一个错误。
12.根据权利要求9所述的计算装置,其中,
在所述过程iii中,所述处理器使比较单元生成与包含在所述检验用输出的整个区域当中与所述测试图案对应的至少一个特定区域的每个通道中的一个或多个值分别对应的一个或多个检验用代表值,并将所述基准用输出的每个通道的一个或多个基准用代表值与所述特定区域的相应通道的所述检验用代表值分别进行比较,当至少一个基准用代表值不用于所述检验用代表值中与所述至少一个基准用代表值对应的代表值时,确定所述检验用输出有误,并且确定所述参数中的至少一部分存在错误。
13.根据权利要求9所述的计算装置,其中,
在所述过程i之前,当所述卷积神经网络的安全级别为临界级别以上时,所述处理器通过使所述卷积神经网络对所述测试图案执行卷积运算而生成所述基准用输出。
14.一种计算装置,所述计算装置用于利用待添加到至少一个原始输入中的至少一个子测试图案来检验卷积神经网络的至少一个参数的完整性,所述计算装置包括:
至少一个存储器,用于存储指令;以及
至少一个处理器,配置成运行所述指令以用于执行:
过程i.在获取到具有与包含在所述计算装置中的所述卷积神经网络的卷积核相同的大小的所述子测试图案时,通过使添加单元对所述原始输入反复进行添加所述子测试图案的操作而生成至少一个扩展输入;
过程ii.通过使所述卷积神经网络对所述扩展输入执行至少一次卷积运算而生成至少一个检验用输出;以及
过程iii.通过使至少一个比较单元以包含在所述检验用输出中的与所述子测试图案分别对应的至少一个检验用子输出作为基准来判断所述检验用输出的有效性而检验所述卷积神经网络的所述参数的完整性。
15.根据权利要求14所述的计算装置,其中,
每个检验用子输出包括至少一个检验区域和非检验区域,
在所述过程iii中,所述处理器使所述比较单元将位于包含在所述检验用子输出中的检验区域上的相同的相对位置上的检验值彼此比较,在所述检验值中的至少一个检验值与其他值不同时,所述处理器使所述比较单元确定所述检验用输出有误,并且确定所述参数中的至少一部分存在至少一个错误。
16.根据权利要求15所述的计算装置,其中,
根据所述扩展输入上的所述子测试图案的位置来确定每个所述检验用子输出上的所述检验区域的位置和非检验区域的位置。