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高鲁棒性的对抗样本生成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：CN115169216B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202210574452.5，技术领域涉及：G06F30/27；该发明授权面向水声智能伪装的高鲁棒性的对抗样本生成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2022-05-25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高鲁棒性的对抗样本生成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高鲁棒性的对抗样本生成方法及系统，属于数字图像处理技术和水声信号处理技术领域，其中，该方法具体包括：进行对抗扰动的抗噪能力设计基于训练数据扩张的扰动量增强方法，以扩展训练数据集得到第二增强数据集；将敌方的识别模型作为一个未知黑盒子，根据所述第二增强数据集对其进行黑盒攻击，并采用迭代集成学习方法训练替身模型，得到最优对抗样本。该方法在利用声波与各种谱图的转换机制进一步约束对抗扰动，使其具备人眼不敏感但可欺骗机器学习模型的能力，再针对环境和自身噪声设计数据增强方案，完成对抗样本的抗噪能力建设，并基于集成学习提升对抗样本的可迁移性、提高泛化能力。

本发明授权面向水声智能伪装的高鲁棒性的对抗样本生成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高鲁棒性的对抗样本生成方法，其特征在于，包括以下步骤： 步骤S1，进行对抗扰动的抗噪能力设计基于训练数据扩张的扰动量增强方法，以扩展训练数据集得到第二增强数据集； 步骤S2，将敌方的识别模型作为一个未知黑盒子，根据所述第二增强数据集对其进行黑盒攻击，并采用迭代集成学习方法训练替身模型，得到最优对抗样本； 所述步骤S2具体包括： 步骤S201，预设所述第二增强数据集的任意样本及其样本标签，同时将敌方的识别模型作为未知黑盒子，利用标准交叉熵损失函数和迭代攻击方法得到能够欺骗所述识别模型的对抗样本； 步骤S202，同时攻击多个替身模型，对其加权求和获得集成模型，且，得到对抗样本能攻击的其他黑盒模型的目标函数； 步骤S203，基于集成模型的对抗样本生成方法将包含声波和声谱图的水声信号数据集作为训练样本输入到各替身模型中，得到各替身模型的输出标签的置信度； 步骤S204，根据加权平均值计算损失函数，再沿所述损失函数的梯度方向迭代更新，直到损失值平稳迭代结束，输出最优对抗样本； 所述步骤S201中的迭代攻击方法为： 其中，为初始样本，为原始样本，为经过t+1次迭代后得到的能够欺骗模型的样本，为经过t次迭代后得到的样本，为迭代次数，为小步长，为损失函数的梯度，为添加海底混响后的样本输入到识别模型后得到的输出，为海底混响，为样本标签； 所述步骤S202中的目标函数为： 其中，为样本标签，为替身模型个数，为加权求和获得的集成模型，且，为短时傅里叶变换窗口函数，为个替身模型中的任一个，为初始样本，为海底混响，为对抗扰动量，为一个常量。

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”。