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！

龙图腾网获悉东南大学申请的专利基于梯度信息的图像去雾模型攻击与防御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：CN116109506B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202310059304.4，技术领域涉及：G06N3/094；该发明授权基于梯度信息的图像去雾模型攻击与防御方法是由桂杰;丛晓峰设计研发完成，并于2023-01-17向国家知识产权局提交的专利申请。

本基于梯度信息的图像去雾模型攻击与防御方法在说明书摘要公布了：本发明公开了一种基于梯度信息的图像去雾模型攻击与防御方法。该方法首先对基于深度学习的去雾模型进行训练，然后通过反向传播算法计算扰动信息；将扰动信息添加到有雾图像上用于获得对抗样本，使得去雾模型输出的图像质量降低；设计了三种去雾模型的攻击算法，分别是基于原始去雾图像的攻击、基于掩码的攻击以及基于真实清晰图像的攻击；针对攻击算法设计了相应的防御算法，采用对抗性训练对去雾模型进行防御训练，增加去雾模型的安全性；防御训练过程中动态地生成对抗样本，通过最小化扰动去雾输出与清晰无雾图像之间的距离，提升去雾模型的鲁棒性。本发明可用于公共安全、信息安全、图像处理以及智能机器人任务。

本发明授权基于梯度信息的图像去雾模型攻击与防御方法在权利要求书中公布了：1.一种基于梯度信息的图像去雾模型攻击与防御方法，其特征在于，包括以下步骤： 步骤1：训练基于卷积神经网络的去雾模型Fθ，其中θ代表去雾模型的参数；将有雾图像I作为去雾模型Fθ的输入，获取原始的去雾图像Jp＝FθI； 步骤2：攻击过程的目标是降低去雾图像的质量，攻击过程中首先将扰动信息δ添加到有雾图像I中得到对抗样本Iδ＝I+δ，然后将对抗样本作为去雾模型的输入，所获得的扰动去雾输出为所述步骤2中： 攻击过程采用梯度优化算法实现，攻击目标函数Latt的计算方式如下： 上式中X代表攻击者所使用的参考图像；R代表图像质量的度量方式，用于衡量与X之间的距离；根据攻击目标函数Latt，可以设计三种攻击方式；第一种方式是将去雾网络获得的原始去雾图像Jp作为参考图像X，第二种方式是使用原始去雾图像Jp作为参考图像X并采用掩码进行部分遮挡的攻击，第三种方式是将真实的无雾图像J作为参考图像X； 步骤3：防御过程的目标是在不改变模型结构的情况下，通过对抗性训练对去雾网络的参数进行微调，获得安全性与鲁棒性更高的去雾模型，从而提升扰动去雾输出的质量； 去雾模型的防御过程采用对抗性训练实现，防御训练不需要从随机初始化的去雾模型重新开始训练；防御训练开始时，去雾模型由已经完成常规去雾训练的模型进行初始化；防御训练过程中需要提升扰动去雾输出的质量，共分成两种防御情况； 第一种情况是攻击者所用的参考图像为Jp，采用引导网络对防御过程进行指导，用于生成引导去雾图像第二种情况是攻击者所用的参考图像为真实无雾图像J，此时不需要生成引导去雾图像三种攻击函数分别为LP、L与LG，其中LP与LM均采用原始去雾图像Jp作为参考图像，因此二者的防御方式相同，均采用引导去雾图像进行防御训练；LG采用真实无雾图像J作为参考图像，则不需要引导去雾图像作为防御训练过程的指导；针对两种防御情况，设计的对抗性损失与如下： 对抗性损失与的计算采用的是对抗样本Iδ，为了保证去雾模型对原始有雾图像I的去雾效果，将原始有雾图像I作为去雾网络Fθ的输入并计算原始图像复原损失RFθI,J，将该损失项作为辅助项加入到对抗性损失中，获得防御性对抗损失与如下： 在进行防御性训练时，防御损失与中的参数λ用于平衡对抗性损失与原始图像复原损失之间的权重。

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东南大学，其通讯地址为：210096 江苏省南京市玄武区四牌楼2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”。