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！

龙图腾网获悉北京工业大学申请的专利一种针对图像分类的稀疏对抗攻击问题的双分解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：CN116011500B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202211419814.X，技术领域涉及：G06N3/006；该发明授权一种针对图像分类的稀疏对抗攻击问题的双分解方法是由杨翠翠;王佩科;冀俊忠设计研发完成，并于2022-11-14向国家知识产权局提交的专利申请。

本一种针对图像分类的稀疏对抗攻击问题的双分解方法在说明书摘要公布了：本发明公开了一种针对图像分类的稀疏对抗攻击问题的双分解方法，首先，将图像分类的稀疏对抗攻击问题建模为大规模多目标优化问题，图像的每个像素点为一个决策变量，随后执行双分解策略。外分解使用滑动窗口将大规模决策变量划分为小规模决策变量的重叠子集。每次滑动窗口滑动时，都会产生一个小规模的多目标优化问题。一旦生成小规模的多目标优化问题，内分解立即创建一组全局方向向量，将其转换为一组单目标优化问题。最后，采用块坐标下降策略对所有单目标问题进行优化，增强了优化过程中解的完整性和最优性。实验表明所提方法相较于其他算法在求解大规模多目标问题时有着更好的效果，在稀疏对抗攻击问题中相比其他算法能够找到最佳扰动。

本发明授权一种针对图像分类的稀疏对抗攻击问题的双分解方法在权利要求书中公布了：1.一种针对图像分类的稀疏对抗攻击问题的双分解方法，其特征在于，包括以下步骤： 1设置图像种群规模N、双分解迭代次It、开始标记s_t、滑动窗口步长s、滑动窗口大小w、嵌入算法A、进化最大函数评价次数FEs； 2随机生成初始图像种群P＝{x1，x2，...，xi，...，xN}，其中xi为初始化完毕的不同图像个体； 3使用算法A优化图像种群P，直到函数评价次数大于或等于s_t； 4对图像图像种群开始外分解操作：初始化滑动窗口，得到被滑动窗口覆盖的部分决策变量分量Xpartial； 5对图像种群开始内分解操作：计算一组全局参考点Z＝{Z1，Z2，...，Zl，...，ZM}，其中Zl，是到目前为止N个图像个体解中第l个目标的最佳值，M为目标个数，其定义如公式1所示； MinZi-flxi，i＝1，2，...，N1 其中，flxi为关于第i个图像xi的第l个目标值；随后，创建一组大小为N的均匀分布的全局像素参考向量{Vi}，i＝1，2，...，N.其中Vi＝{vi1，vi2，...，vij，...，viM}，vij为第i个图像xi的第j个目标对应的参考点，且对于任意j＝1，2，...，M，满足公式2； 然后，对全局像素参考点Z和每个全局像素参考向量{Vi}进行全局投影，获得对应的小规模MOP局部像素参考点向量Z*在和一组局部像素参考向量{λi}；最后，使用切比雪夫方法将小规模MOP分解为一N个如公式3所示的单目标化问题； Mingx|λi，Z*＝Max{λi|flxi-Z*|}3 6使用如公式4、5、6所示的差分进化算法优化Xpartial； 其中表示一个解的n个维度，r1，r2，r3，r4，r5∈{1，2，...，N}表示五个互不相同且不等于i的索引，F1和F2表示差分进化中的两个缩放因子，L＝L1，L1，...，Lq，...Ln和U＝U1，U1，...，Uq，...Un分别表示搜索空间的n维上边界向量和下边界向量； 7根据块坐标下降的思想更新图像种群P：替换P中与Xpartial对应的分量；完成一次双分解迭代； 8判断是否达到双分解终止条件，即双分解次数达到It，若满足则转9，否则转4； 9使用算法A优化图像种群P； 10判断是否达到算法终止条件，即当前函数评价次数达到FEs，若满足则输出图像种群，否则转9。

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北京工业大学，其通讯地址为：100124 北京市朝阳区平乐园100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”。