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;西南财经大学申请的专利一种基于图像预处理的对抗样本防御模型的构建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：CN119399601B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411562539.6，技术领域涉及：G06V10/82；该发明授权一种基于图像预处理的对抗样本防御模型的构建方法是由王少卓;蒋太翔;邓勇;李志挺;尹诗白;刘贵松;李波设计研发完成，并于2024-11-05向国家知识产权局提交的专利申请。

本一种基于图像预处理的对抗样本防御模型的构建方法在说明书摘要公布了：本发明涉及计算机视觉的对抗攻防领域，具体涉及一种基于图像预处理的对抗样本防御模型的构建方法，其对抗样本防御模型包括用于对样本进行重构的自编码器和用于对重构样本进行分类的图像分类模型；自编码器采用干净样本进行自回归训练，学习干净样本的先验分布；图像分类模型的训练，首先通过自编码器对对抗样本进行优化，然后利用优化获得的对抗样本进行训练，通过将干净样本的分布信息纳入训练过程，使对抗样本在流形上保持与干净样本更接近的分布，克服现有技术由于忽视了数据分布而导致的问题；在对抗防御过程中，首先通过自编码器重构样本，能大幅削弱攻击强度，并大幅提升鲁棒性。适用于各类图像分类领域，尤其是航空航天等高精度领域。

本发明授权一种基于图像预处理的对抗样本防御模型的构建方法在权利要求书中公布了：1.一种基于图像预处理的对抗样本防御模型的构建方法，其特征在于， 所述对抗样本防御模型包括自编码器和图像分类模型，所述自编码器用于对输入的样本进行重构，所述图像分类模型用于对经自编码器重构获得的重构样本进行分类； 所述对抗样本防御模型所包含自编码器的训练，包括如下步骤： A1、从原始数据集中提取干净样本，构建自编码器的训练集； A2、从自编码器的训练集中提取干净样本x，输入自编码器M，生成重构样本Mx； A3、基于提取的干净样本x和步骤A2获得的重构样本Mx，计算自编码器M的重构损失； A4、基于重构损失，以最小化重构损失为目标，更新自编码器M； A5、判定是否达到预设条件，若是则完成自编码器M的训练，否则，返回步骤A2； 所述对抗样本防御模型所包含图像分类模型的训练，包括如下步骤： B1、从原始数据集中提取干净样本，构建图像分类模型的训练集； B2、从图像分类模型的训练集中提取干净样本x，向提取的干净样本x添加攻击扰动δ0，获得初始的对抗样本 B3、利用完成训练的自编码器M，对输入本步骤的对抗样本进行重构，获得其重构样本其中，下标t表示迭代轮次；所述对抗样本在首轮迭代时为步骤B2获得的初始的对抗样本 B4、将步骤B3获得的重构样本输入图像分类模型，获得分类结果；利用分类结果，以最大化分类结果和参考分类概率之间的差异为目标，对对抗样本的扰动进行更新，获得更新后的对抗样本 B5、判定是否达到预设条件，若是，则结束迭代，将经步骤B4更新后获得的对抗样本作为最终的对抗样本x*；否则，将经步骤B4更新后获得的对抗样本作为输入返回步骤B3； B6、将步骤B5获得的最终的对抗样本x*，利用完成训练的自编码器M，进行重构，获得其重构样本Mx*； B7、利用步骤B6获得的重构样本Mx*，对图像分类模型进行对抗训练； B8、判定是否达到预设条件，若是则完成图像分类模型的训练，否则，返回步骤B2。

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;西南财经大学，其通讯地址为：611731 四川省成都市高新区(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”。

以上内容由龙图腾AI智能生成。