买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京信息工程大学申请的专利基于经验精确Nesterov动量的提升对抗样本可转移性的方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115730316B 。

龙图腾网通过国家知识产权局官网在2025-08-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211468993.6，技术领域涉及：G06F21/57；该发明授权基于经验精确Nesterov动量的提升对抗样本可转移性的方法是由吴昊;王金伟;王海桦设计研发完成，并于2022-11-22向国家知识产权局提交的专利申请。

本基于经验精确Nesterov动量的提升对抗样本可转移性的方法在说明书摘要公布了：本发明公开基于经验精确Nesterov动量的提升对抗样本可转移性的方法，属于人工智能安全领域；方法包括：S1，获取经验动量，并经迭代训练得到预训练的经验动量；S2，获取精确Nesterov动量；S3，将预训练的经验动量与精确Nesterov动量结合并应用于对抗攻击以提升对抗样本的可转移性。

本发明授权基于经验精确Nesterov动量的提升对抗样本可转移性的方法在权利要求书中公布了：1.基于经验精确Nesterov动量的提升对抗样本可转移性的方法，其特征在于，包括以下步骤： S1，获取经验动量，并经迭代训练得到预训练的经验动量； S2，获取精确Nesterov动量； S3，将预训练的经验动量与精确Nesterov动量结合并应用于对抗攻击以提升对抗样本的可转移性； S1中，经验动量的获取步骤为： S11，对输入图像x执行随机通道交换操作；将输入图像x表示为一个RGB三元组R,G,B，其中三元组的每一个元素分别表示对应的通道，经过随机通道交换后的图像被表示为Sx，那么Sx∈{R,G,B,R,B.G,G,R,B,G,B,R,B,R,G,B,G,R}； S12，将Sx输入给源模型f以导出模型fS·；θ； S13，通过基于梯度的攻击在导出模型fS·；θ上预扰动输入图像x；在预扰动的过程中累积梯度以得到经验动量； 获取精确Nesterov动量的步骤为； S21，令当前数据点为x'，当前精确Nesterov动量为g，那么先后沿着当前数据点x'的梯度方向和动量方向即可得到更加细致的预更新点： 其中，λ和ξ为超参数，grad·表示梯度函数； S22，计算预更新点的梯度以修正预更新，并将修正后的预更新向量作为新的精确Nesterov动量： 其中，β和γ为超参； 以基于精确Nesterov动量的迭代快速梯度符号法为例，其第t次迭代过程可以被描述为2、3、4式： 其中gt表示经过t次迭代的动量，且g0＝0，μ表示衰减因子，α表示步长，表示梯度算子，J表示损失函数，f表示参数为θ的源模型，y表示真实标签，||·||1表示L1范数，表示第t次迭代时的对抗样本，Clipx,∈{x}表示将x截断到[x-∈,x+∈]内，sign·表示符号函数； 所述S3的具体步骤包括： S31，将步长α初始化为将经验动量gexp初始化为0； S32，将样本初始化为干净样本x； S33，对样本执行随机通道交换操作；将样本表示为一个RGB三元组R,G,B，其中三元组的每一个元素分别表示对应的通道，经过随机通道交换后的图像被表示为那么 S34，将输入给源模型f以导出模型fS·；θ； S35，对样本进行预更新得到预更新点 S36，更新经验动量gexp： S37，向样本添加对抗扰动： S38，重复步骤S33-S37T次； S39，重复步骤S32-S38直至训练epochs次，以得到一个预训练的经验动量； S310，将对抗样本初始化为干净样本x，将动量gt-1初始化为经验动量； S311，执行2、3、4式更新gt-1和得到gt和 S312，执行步骤S311T次； S313，输出对抗样本

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京信息工程大学，其通讯地址为：210044 江苏省南京市浦口区宁六路219号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。