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！

龙图腾网获悉电子科技大学申请的专利一种深度学习信号识别分类器对抗攻击样本的产生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：CN115358268B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202210983841.3，技术领域涉及：G06F18/24；该发明授权一种深度学习信号识别分类器对抗攻击样本的产生方法是由李锐其;廖红舒;刘亮;甘露设计研发完成，并于2022-08-17向国家知识产权局提交的专利申请。

本一种深度学习信号识别分类器对抗攻击样本的产生方法在说明书摘要公布了：本发明属于智能无线设备安全领域，涉及一种深度学习信号识别分类器对抗攻击样本的产生方法。本发明提供了一种深度学习信号识别分类器对抗攻击样本的产生方法，结合了快速梯度符号方法和投影梯度下降方法，利用蒙特卡罗方法在信号样本邻域内随机初始化搜索起点可以提高梯度计算稳定性的特性，通过对一批相同类别信号样本联合优化损失函数产生在同类信号样本中具有良好通用攻击性的对抗攻击样本。本发明的有益效果为，本发明可以提高深度学习信号识别分类器的对抗攻击样本产生过程中梯度计算的稳定性，同时能够产生具有在同类样本中良好通用攻击性的对抗攻击样本，方法简单，效果良好。

本发明授权一种深度学习信号识别分类器对抗攻击样本的产生方法在权利要求书中公布了：1.一种深度学习信号识别分类器对抗攻击样本的产生方法，其特征在于，包括以下步骤： S1、采用VT-CNN2作为分类模型，基于用于调制分类的开源信号数据集将模型训练至收敛； S2、从开源信号数据集中选择一批类别相同的信号样本作为被攻击的样本集合X，样本信噪比为SNR、数量为N，样本特征数量为l；从X中随机选取Nsample个样本及其对应的分类标签作为通用对抗样本生成算法的输入，Nsample≤N，给定对抗样本的功率预算Pmax、模型的损失函数通用对抗样本生成算法的学习率η、最终剩余学习率比例b、每轮次迭代次数epochs和蒙特卡罗仿真次数it_num； S3、初始化用于保存蒙特卡罗仿真搜索过程中的最优攻击样本的向量delta_UAP＝0和此时的模型在被攻击样本集合X上的识别准确率acc＝1.0，初始化循环计数器i＝1； S4、初始化用来保存每轮次迭代过程中找到的最优解对应的模型识别准确率变量acc1＝1.0和最优解向量delta_UAP1＝0，采用随机初始化的方法在以0为原点、lPmax为半径的超球面上产生一个对抗攻击信号向量delta_temp并初始化循环计数器j＝1； S5、计算处损失函数关于delta_temp的梯度： 然后更新delta_temp： S6、计算delta_temp的功率P_delta，如果P_deltaPmax，则将delta_temp的功率调整为Pmax； S7、将对抗攻击信号向量delta_temp注入被攻击的信号样本集合，评估模型在X上的识别准确率acc1_temp，如果acc1_tempacc1，那么： acc1＝acc1_temp delta_UAP1＝delta_temp j＝j+1 如果j≤epochs，则转到S5； S8、将delta_UAP1的功率调整至Pmax，i＝i+1，如果acc1acc，则： acc＝acc1 delta_UAP＝delta_UAP1 S9、如果i≤it_num，则转到S4，否则输出通用对抗攻击信号delta_UAP。

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电子科技大学，其通讯地址为：611731 四川省成都市高新西区西源大道2006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”。