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！

龙图腾网获悉哈尔滨工程大学申请的专利面向水声智能伪装的对抗样本可解释性研究方法及系统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：CN115310513B 。

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：202210788764.6，技术领域涉及：G06F18/21；该发明授权面向水声智能伪装的对抗样本可解释性研究方法及系统是由张立国;田梓琳;尹晗琦;戚朋媛设计研发完成，并于2022-07-06向国家知识产权局提交的专利申请。

本面向水声智能伪装的对抗样本可解释性研究方法及系统在说明书摘要公布了：本发明公开了一种面向水声智能伪装的对抗样本可解释性研究方法及系统，属于数字图像处理技术和水声信号处理技术领域，其中，该方法包括：从分析输入样本和输出标签在多维空间的分布方式入手，给出超平面对样本空间的分割设定；基于对抗样本与原始样本之间的l0距离和l2距离分别证明对抗样本的存在方式和构成原理,提高对抗样本工作机制的透明度，确保能进行可信的人机交互、功能改进和参数调优。该方法为声学智能伪装技术实现逻辑闭环，保障我方设计者或操作者利用可解释的对抗攻击方法应对敌方的防御手段。

本发明授权面向水声智能伪装的对抗样本可解释性研究方法及系统在权利要求书中公布了：1.一种面向水声智能伪装的对抗样本可解释性研究方法，其特征在于，包括以下步骤： 步骤S1，分析输入样本和输出标签在多维空间的分布方式，以超平面对样本空间分割设定； 步骤S2，基于对抗样本与原始样本之间的距离获取对抗样本； 步骤S3，基于对抗样本与原始样本之间的距离获取局部最优解； 所述步骤S2具体包括： 步骤S201，在预设深度神经网络的输入端，给定任意两个子空间C 1和C 2，且输出标签的有目标 无目标，样本点、分别属于两个子空间C 1和C 2，设d为一n维向量，其中包含z个非零元素，则x和y的关系表示为，其中c为常系数，以在输入端实现对抗样本的扰动变化； 步骤S202，设预设深度神经网络有r个激活函数，激活函数为每个输入x∈输出一个m维的实向量，将预设深度神经网络看作一个→的分段线性映射，对于分属两个不同类和的输入量x和y，有，，微调x中部分维度的值，使，且与y在网络中有相同的置信度，作为对抗样本被网络分类为； 步骤S203，设输入样本x中允许z个分量做调整，其他分量保持原始值，将输入维数从n降到z，将预设深度神经网络理解为一个从z维输入空间到m维输出空间的分段线性映射，使用局部逆映射去查找折线所对应的输入空间中唯一的像，即找到对抗样本； 所述步骤S3具体包括： 步骤S301，分段线性化分类边界，得到分界面，具体地，令扰动量，则最小扰动的约束条件为：分类边界的连续函数，且，x∈C i，其中，为预设深度神经网络输出属于类的置信度，为对抗样本输出的置信度最高类，即，表示与x属于同一类，反之表示与x属于不同类； 步骤S302，在分段线性化的分界面搜索局部最优解，完成对抗样本的构成性解释，具体地，对于任意的、分别有lx0和，l·为连续函数，阴影区域内的对抗样本满足，预设一个为对抗样本的初始值，将扰动初始化为，逐步优化扰动的过程描述为找到且满足的迭代过程，再设为沿着分类边界在梯度方向上的投影，为在分类边界上的投影，和相互正交，因此有，，调整的计算公式得局部最优解的迭代方程： ， 其中的上角标T为转置，w为分段边界函数lx=w T x+b的权重系数，作为迭代优化过程的学习率；当扰动量的l 2范数满足收敛条件时且，获得其局部最优解，完成对抗样本的构建。

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哈尔滨工程大学，其通讯地址为：150000 黑龙江省哈尔滨市南岗区南通大街145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”。