WO2025026618 - A CONTROLLER AND METHOD TO GENERATE BALANCED DATASET FOR VULNERABLE ASSESSMENT OF A TARGET MODEL
National phase entry:
Publication Number
WO/2025/026618
Publication Date
06.02.2025
International Application No.
PCT/EP2024/067683
International Filing Date
24.06.2024
Title **
[English]
A CONTROLLER AND METHOD TO GENERATE BALANCED DATASET FOR VULNERABLE ASSESSMENT OF A TARGET MODEL
[French]
DISPOSITIF DE COMMANDE ET PROCÉDÉ POUR GÉNÉRER UN ENSEMBLE DE DONNÉES ÉQUILIBRÉ POUR UNE ÉVALUATION VULNÉRABLE D'UN MODÈLE CIBLE
Applicants **
ROBERT BOSCH GMBH
BOSCH GLOBAL SOFTWARE TECHNOLOGIES PRIVATE LIMITED
Inventors
PARMAR, Manojkumar Somabhai
ABHISHEK, Saraswatipura Rajashekarachari
KULKARNI, Pavan
YUVARAJ, Govindarajulu
Priority Data
202341052137
03.08.2023
IN
Application details
| Total Number of Claims/PCT | * |
| Number of Independent Claims | * |
| Number of Priorities | * |
| Number of Multi-Dependent Claims | * |
| Number of Drawings | * |
| Pages for Publication | * |
| Number of Pages with Drawings | * |
| Pages of Specification | * |
| * | |
| Number of Office Actions | * |
| * | |
International Searching Authority |
EPO
* |
| Recordal of a Change of the Applicant's Name/Address |
Change of Applicant's Name and Address
* |
| Type of Assignment |
The Standard Agent's Assignment
* |
| Applicant's Legal Status |
Legal Entity
* |
| * | |
| * | |
| * | |
| * | |
| * | |
| Entry into National Phase under |
Chapter I
* |
| Patent Delivery |
Send the Letters Patent by Courier
* |
| 译文 |
|
* The data is based on automatic recognition. Please verify and amend if necessary.
** IP-Coster compiles data from publicly available sources. If this data includes your personal information, you can contact us to request its removal.
Quotation for National Phase entry
| Country | Stages | Total | |
|---|---|---|---|
| China | Filing, Examination, Granting | 1882 | |
| EPO | Filing, Examination, Granting | 8107 | |
| Japan | Filing, Examination, Granting | 2000 | |
| South Korea | Filing, Examination, Granting | 1754 | |
| USA | Filing, Examination, Granting | 4740 |
Total:
18,483
The term for entry into the National Phase has expired. This quotation is for informational purposes only
Contact Us
Abstract[English]
The controller (110) is part of a system hosted in a server or cloud. The controller (110) configured to generate input vectors using combination of a first noise vector (104) and a second noise vector (106) from a group (102), and store as an initial dataset (108). The first noise vector (104) is different from the second noise vector (106). The controller (110) further queries a target model (112) by random selection of input vectors from the initial dataset (108). The target model (112) is the AI model. The controller (110) further configured to identify a subset of output classes of the target model (112), which are predicted lesser than a threshold. The controller (110) is then configured to process the input vectors through a targeted Fast Gradient Sign Method (FGSM) (114) in order to predict the subset of output classes, and generate the balanced dataset (116) of input vectors.[French]
Le dispositif de commande (110) fait partie d'un système hébergé dans un serveur ou un nuage. Le dispositif de commande (110) est configuré pour générer des vecteurs d'entrée à l'aide d'une combinaison d'un premier vecteur de bruit (104) et d'un second vecteur de bruit (106) à partir d'un groupe (102), et stocker sous la forme d'un ensemble de données initial (108). Le premier vecteur de bruit (104) est différent du second vecteur de bruit (106). Le dispositif de commande (110) interroge en outre un modèle cible (112) par sélection aléatoire de vecteurs d'entrée à partir de l'ensemble de données initial (108). Le modèle cible (112) est le modèle d'IA. Le dispositif de commande (110) est en outre configuré pour identifier un sous-ensemble de classes de sortie du modèle cible (112), qui sont prédites inférieures à un seuil. Le dispositif de commande (110) est ensuite configuré pour traiter les vecteurs d'entrée par l'intermédiaire d'un procédé de signe de gradient rapide (FGSM) (114) ciblé afin de prédire le sous-ensemble de classes de sortie, et générer l'ensemble de données équilibré (116) de vecteurs d'entrée.