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！

龙图腾网获悉广东工业大学申请的专利一种基于GAN的非限制性对抗样本生成方法和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：CN115984645B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202211625755.1，技术领域涉及：G06V10/774；该发明授权一种基于GAN的非限制性对抗样本生成方法和系统是由凌捷;邓诗芸;罗玉设计研发完成，并于2022-12-16向国家知识产权局提交的专利申请。

本一种基于GAN的非限制性对抗样本生成方法和系统在说明书摘要公布了：本发明提供一种基于GAN的非限制性对抗样本生成方法和系统，涉及人工智能安全技术领域，包括：获取初始输入图像和目标图像并进行预处理；将预处理后的初始输入图像输入GAN神经网络模型中进行训练，利用编码器将预处理后的初始输入图像和目标图像编码到隐空间，并对获得的隐向量进行正则化；将正则化后目标图像的隐向量作为对抗样本隐向量的初始值，构建对抗样本相似度目标函数并在隐空间迭代更新，获得待生成对抗样本的隐向量；将待生成对抗样本的隐向量输入优化后的GAN神经网络模型中生成对抗样本；本发明利用更新隐空间的隐向量和生成器网络G来生成非限制性对抗样本，保障了对抗样本的自然性，提高了非限制性对抗样本的生成效率和攻击成功率。

本发明授权一种基于GAN的非限制性对抗样本生成方法和系统在权利要求书中公布了：1.一种基于GAN的非限制性对抗样本生成方法，其特征在于，包括以下步骤： S1：获取初始输入图像和目标图像，并对初始输入图像进行预处理，获得预处理后的初始输入图像； S2：将预处理后的初始输入图像输入预设的GAN神经网络模型中进行训练，获得优化后的GAN神经网络模型； S3：利用编码器将预处理后的初始输入图像和目标图像编码到隐空间，获得初始输入图像的隐向量和目标图像的隐向量，并对初始输入图像的隐向量和目标图像的隐向量进行正则化； S4：将正则化后的目标图像的隐向量作为对抗样本的隐向量的初始值，构建对抗样本相似度目标函数，在隐空间利用正则化后的初始输入图像的隐向量迭代更新对抗样本的隐向量，获得待生成对抗样本的隐向量； 所构建的对抗样本相似度目标函数具体为： 用欧氏距离来衡量两个向量之间的相似程度，以使对抗样本被预测为目标类别的同时，使正则化后的初始输入图像的隐向量和对抗样本的隐向量之间的欧氏距离最小为目标，构建以下对抗样本相似度目标函数： 其中，表示正则化后的初始输入图像的隐向量和对抗样本的隐向量之间的欧氏距离，对抗样本的隐向量的初始值为目标图像的隐向量；约束表示对抗样本被预测为目标类别； 在隐空间利用正则化后的初始输入图像的隐向量迭代更新对抗样本的隐向量，获得待生成对抗样本的隐向量，具体方法为： S4.1：在第t次迭代中，利用正则化后的初始输入图像的隐向量，在隐空间通过二分搜索的方法对对抗样本的隐向量进行边界搜索，获得第t次迭代到达边界处的对抗样本的隐向量，并计算第t次迭代的扰动大小； S4.2：采用蒙特卡洛方法来进行梯度方向估计，沿梯度方向迭代更新第t次迭代的步长； S4.3：根据第t次迭代的扰动大小和第t次迭代的步长更新第t次迭代到达边界处的对抗样本的隐向量，获得第t次迭代更新后的对抗样本的隐向量，并计算第t次迭代更新后的对抗样本的隐向量与正则化后的初始输入图像的隐向量之间的欧氏距离； S4.4：判断迭代次数t是否小于预设阈值T，当迭代次数t小于预设阈值T时，则重复步骤S4.1~S4.3，否则，输出欧氏距离最小的更新后的对抗样本的隐向量，作为待生成对抗样本的隐向量； S5：将待生成对抗样本的隐向量输入优化后的GAN神经网络模型中，获得对抗样本。

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广东工业大学，其通讯地址为：510060 广东省广州市越秀区东风东路729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”。