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！

龙图腾网获悉浙江大学申请的专利一种基于内容特征的对抗补丁伪装生成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：CN114299327B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202111485225.7，技术领域涉及：G06V10/764；该发明授权一种基于内容特征的对抗补丁伪装生成方法是由冀晓宇;徐文渊;程雨诗;朱文俊设计研发完成，并于2021-12-07向国家知识产权局提交的专利申请。

本一种基于内容特征的对抗补丁伪装生成方法在说明书摘要公布了：本发明公开了一种基于内容特征的对抗补丁伪装生成方法，该方法利用神经网络从图像中提取出的表示内容特征的高维特征向量，创新性地提出使用特征向量距离来约束对抗补丁的生成，可以使得对抗补丁生成与参考图像接近的内容，从而可以将对抗补丁以任意图片内容进行伪装，增强了对抗补丁的隐蔽性。相比于现有的使用像素距离来约束对抗补丁生成的伪装方法，本发明方法生成的对抗补丁对人的感官来说更加自然，并且对于对抗补丁原有的对抗效果不产生负面影响。

本发明授权一种基于内容特征的对抗补丁伪装生成方法在权利要求书中公布了：1.一种基于内容特征的对抗补丁伪装生成方法，其特征在于，该方法包括以下步骤： 1）对目标神经网络设计对抗损失函数，所述对抗损失函数用于优化对抗补丁； 2）使用一个基于公开图像数据集预训练好的卷积神经网络模型，对一张用于伪装的参考图像进行高维特征提取，提取出一个高维特征向量；具体过程为： 21）确定一张用于伪装的参考图像，并将其调整至预训练好的卷积神经网络模型的合法输入尺寸； 22）将步骤21）中的参考图像输入到预训练好的卷积神经网络模型中，经若干层卷积特征提取后，获得一个高维特征向量并保存，提取过程表示为： ， 其中，代表预训练好的卷积神经网络模型的第层卷积运算，代表参考图像，代表从参考图像提取出的特征向量； 3）将对抗补丁经过上采样后，输入到步骤2）中所述的卷积神经网络模型中，提取出与步骤2）中相同维度的特征向量；具体过程为： 31）对对抗补丁进行上采样，将其调整至与步骤2）中的参考图像调整后相同的尺寸，得到一个大尺寸对抗补丁； 32）将步骤31）中的大尺寸对抗补丁输入到预训练好的卷积神经网络模型中，经与步骤2）中相同层数的卷积特征提取后，获得一个高维特征向量并保存，提取过程表示为： ， 其中，代表预训练好的卷积神经网络模型的第层卷积运算，代表大尺寸对抗补丁，代表从大尺寸对抗补丁提取出的特征向量； 4）计算步骤2）与步骤3）中分别提取出的两个特征向量的欧式距离，将其作为内容损失函数，以一定权重加入步骤1）中设计好的对抗损失函数中，构成联合损失函数；具体过程为： 41）根据步骤2）中获取的参考图像的高维特征向量与步骤3）中获取的对抗补丁的高维特征向量，计算两个特征向量间的欧式距离，将其作为一个损失函数： ； 42）将步骤41）中得到的损失函数以一定权重加入步骤1）中设计好的对抗损失函数中，两者构成联合损失函数： ； 5）基于步骤4）中得到的联合损失函数，使用梯度优化方法来优化生成对抗补丁。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。