買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉北京云量數盟科技有限公司申請的專利一種針對面向強化學習獎勵的逆向工程的評估方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115495972B 。

龍圖騰網通過國家知識產權局官網在2025-09-05發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202110679697.X，技術領域涉及：G06F30/27；該發明授權一種針對面向強化學習獎勵的逆向工程的評估方法及系統是由辛苗設計研發完成，并于2021-06-18向國家知識產權局提交的專利申請。

本一種針對面向強化學習獎勵的逆向工程的評估方法及系統在說明書摘要公布了：本發明屬于強化學習安全技術領域，具體地說，涉及一種針對面向強化學習獎勵的逆向工程的評估方法，該方法包括：根據實時獲取的真實獎勵聚類和逆強化學習得到的獎勵聚類，計算二者之間的標準互信息；根據預先設定的聚類個數范圍，聚類排序范圍和污染軌跡比例范圍，生成標準互信息序列；將標準互信息輸入至預先建立的四階張量模型，得到評估結果；根據評估結果，來評估逆強化學習得到的獎勵聚類。

本發明授權一種針對面向強化學習獎勵的逆向工程的評估方法及系統在權利要求書中公布了：1.一種針對面向強化學習獎勵的逆向工程的評估方法，該方法包括： 根據實時獲取的真實獎勵聚類和逆強化學習得到的獎勵聚類，計算二者之間的標準互信息； 根據預先設定的聚類個數范圍，聚類排序范圍和污染軌跡比例范圍，生成標準互信息序列； 將標準互信息輸入至預先建立的四階張量模型，得到評估結果； 根據評估結果，來評估逆強化學習得到的獎勵聚類； 其中，所述根據實時獲取的真實獎勵聚類和逆強化學習得到的獎勵聚類，計算二者之間的標準互信息；其具體過程為： 根據實時獲取的真實獎勵聚類和逆強化學習得到的獎勵聚類計算二者之間的互信息 其中， 其中，為中的第σ個類別；為中的第ε個類別；S'為真實的狀態空間； 根據計算得到的二者之間的互信息計算二者之間的標準互信息 其中， 其中，所述逆強化學習得到的獎勵聚類的具體過程為： 對實時獲取的真實獎勵聚類按照每個元素的大小，進行降序排序，根據預先選擇的top聚類個數oj，獲取選擇后的獎勵聚類集合 得到對應的真實狀態空間 根據污染比例mz＝{m1,m2,…,m|m|}，利用逆強化學習算法得到對應的獎勵聚類集合ru ,z，在狀態空間S'中進行聚類； 具體地，將獎勵聚類初始化： 根據給定的逆強化學習得到的獎勵集合和預先設定的聚類個數yi，采用聚集嵌套算法，對給定的逆強化學習得到的獎勵集合進行聚類； 逆強化學習得到的獎勵集合中的每一個元素視為一個類別，在第i輪迭代中，當前所選擇的聚類個數為yi，計算逆獎勵集合中任選的兩個類別間的距離 其中，是兩個獎勵與之間的歐幾里得距離；為中的第x個類別；為中的第y個類別； 遍歷中所有類別，并計算任意兩個類別之間的歐幾里得距離，并按照從小到大的順序對計算的多個距離進行排序； 選擇類別距離最小的兩個類別進行合并， New_Cu＝Cα u∪Cβ u 其中，Cα u，Cβ u為本輪中得到的距離Dal最小的兩個類別；New_Cu為本輪合并后的逆聚類子集合； 將New_Cu補入中，得到合并后的逆獎勵集合，再遍歷該合并后的逆獎勵集合中的所有類別，計算任意兩個類別之間的距離，并按照從小到大的順序對計算的多個距離進行排序； 采用上述合并過程，對類別距離最小的兩個類別進行合并，得到該輪合并后的聚類子集合，并將其補入合并后的逆獎勵集合，重復上述過程，直至合并后的逆獎勵集合中的聚類個數達到當前所選擇的聚類個數yi后，聚類結束， 得到逆強化學習得到的獎勵聚類

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人北京云量數盟科技有限公司，其通訊地址為：100012 北京市朝陽區水岸南街16號N次方420；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。