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！

龙图腾网获悉重庆邮电大学申请的专利一种基于混沌映射改进粒子群算法的对抗样本生成方法、装置和存储介质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：CN116976389B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202310779333.8，技术领域涉及：G06N3/006；该发明授权一种基于混沌映射改进粒子群算法的对抗样本生成方法、装置和存储介质是由陈龙;朱虹宇;黄嘉成设计研发完成，并于2023-06-29向国家知识产权局提交的专利申请。

本一种基于混沌映射改进粒子群算法的对抗样本生成方法、装置和存储介质在说明书摘要公布了：本发明涉及一种基于混沌映射改进粒子群算法的对抗样本生成方法、装置和存储介质，包括：获取待处理的原始文本和神经网络模型；对原始文本进行分词处理，并查询每个分词的可替换词生成原始文本中每个分词的可替换分词集；将原始文本中每个分词的可替换分词集作为粒子在每个维度的样本搜索空间，再利用基于混沌映射的粒子群算法生成神经网络模型的最优对抗样本；本发明利用基于混沌映射的粒子群初始化策略，基于混沌扰动的惯性权重更新策略以及最优个体位置更新策略三方面的优化，解决了粒子群算法在文本对抗攻击领域中容易陷入局部最优的问题，得到更有效的对抗样本，提升对抗样本的质量，进一步的提高模型的鲁棒性。

本发明授权一种基于混沌映射改进粒子群算法的对抗样本生成方法、装置和存储介质在权利要求书中公布了：1.一种基于混沌映射改进粒子群算法的对抗样本生成方法，其特征在于，包括： S1：获取待处理的原始文本和神经网络模型； S2：对原始文本进行分词处理，并查询每个分词的可替换词生成原始文本中每个分词的可替换分词集； S3：将原始文本中每个分词的可替换分词集作为粒子在每个维度的样本搜索空间，再利用基于混沌映射的粒子群算法生成神经网络模型的最优对抗样本； 所述利用基于混沌映射的粒子群算法生成神经网络模型的最优对抗样本包括： S31：初始化粒子的数量N和最大迭代次数K；根据原始文本中分词的数量初始化每个粒子的维度D； S32：利用混沌映射算法生成每个粒子的混沌序列； S33：根据每个粒子的混沌序列初始化每个粒子的位置和速度； S34：将粒子在每个维度位置对应的分词组成对抗样本输入神经网络模型计算粒子的适应度值，并更新粒子的历史最佳适应度值和粒子群的群体历史最佳适应度值； 所述粒子的适应度值包括： 其中，表示第个粒子在第次迭代时的适应度值；表示第个粒子在第次迭代时组成的对抗样本，即粒子在个维度的搜索空间中所在位置对应的分词组合的对抗样本；表示神经网路模型对文本的置信度值；表示文本和文本的平均修改率，表示原始文本； S35：根据每个粒子的混沌序列自适应的设置权重参数因子对粒子的速度和位置进行更新； 所述自适应的设置权重参数因子对粒子的速度和位置进行更新包括： S351：根据每个粒子的混沌序列自适应的设置权重参数因子： 其中，表示第个粒子第次迭代时在第个维度的权重参数因子；表示预设的权重参数因子最大值；表示预设的权重参数因子最小值；K表示预设的迭代次数，表示当前迭代次数；表示中的第个元素；表示第个粒子在第次迭代时的混沌序列； S352：根据每个粒子的混沌序列和自适应的设置权重参数因子对粒子的位置和速度进行更新： 其中，表示第个粒子第次迭代时在第个维度中的速度；表示第个粒子第次迭代时在第个维度中的速度；表示群体历史最佳适应度值在第个维度位置；表示第个粒子第次迭代时在第个维度的位置；表示第个粒子的历史最佳适应度值在第个维度的位置；表示第次迭代时的转移概率；表示预设的最小转移概率值；表示预设的最大转移概率值；表示随机数生成函数，用于生成0,1区间内的随机数；表示第个可替换分词集；表示第个可替换分词集中第个位置； S36：将迭代次数加1，并利用步骤S32更新每个粒子的混沌序列，重复执行步骤S34-S36，直至达到预设的迭代次数K为止，将当前粒子群的群体最佳适应度值对应的对抗样本作为神经网络模型的最优对抗样本。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路2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。