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图像分类模型的黑盒对抗鲁棒性评估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：CN119360161B 。

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：202411490660.2，技术领域涉及：G06V10/776；该发明授权一种基于图像分类模型的黑盒对抗鲁棒性评估方法是由王练;汪俊杰设计研发完成，并于2024-10-24向国家知识产权局提交的专利申请。

本一种基于图像分类模型的黑盒对抗鲁棒性评估方法在说明书摘要公布了：本发明属于智能安全领域，具体涉及一种基于图像分类模型的黑盒对抗鲁棒性评估方法；包括：采用图像分类模型对不同类别的图像进行分类处理，得到多个不同类别的图像样本集；对多个不同类别的图像样本集进行处理，得到决策边界图像样本集合；将决策边界图像样本集合转换为决策边界图像样本矩阵；对决策边界图像样本矩阵进行奇异值分解，得到决策边界图像样本矩阵的奇异值；根据奇异值计算得到决策边界复杂度；对决策边界复杂度进行归一化处理，得到鲁棒性评估指标；根据鲁棒性评估指标对图像分类模型进行鲁棒性评估，得到图像分类模型的鲁棒性评估结果；本发明无需目标模型的结构和参数信息，大大提高了图像分类模型对抗鲁棒性评估过程的安全性。

本发明授权一种基于图像分类模型的黑盒对抗鲁棒性评估方法在权利要求书中公布了：1.一种基于图像分类模型的黑盒对抗鲁棒性评估方法，其特征在于，包括： S1：采用图像分类模型对不同类别的图像进行分类处理，得到多个不同类别的图像样本集； S2：采用决策边界样本搜索策略对多个不同类别的图像样本集进行处理，得到决策边界图像样本集合；得到决策边界图像样本集合的过程包括： S21：随机从图像数据集的类别i和类别j中取两个图像样本xi和xj； S22：根据两个图像样本的对应像素值取平均得到可疑决策边界样本xdb； S23：判断可疑决策边界样本xdb的置信度输出是否满足置信度条件，若满足，则执行步骤S24，否则，执行步骤S25；置信度条件表示为： fix-fjx≤γ,fix＝maxk∈Cfkx 其中，C表示图像数据集的总类别数，fkx表示图像样本x属于第k类别的置信度输出，γ表示阈值； S24：将可疑决策边界样本xdb判定为决策边界样本并添加到第i类和第j类的决策边界样本集合中； S25：判断fixdbfjxdb是否满足，若满足，则将样本xi更新为样本xdb；否则，将样本xj更新为样本xdb并返回步骤S22；其中，fix表示图像样本x属于第i类别的置信度输出，fjx表示图像样本x属于第j类别的置信度输出； S26：判断可疑决策边界样本集合中的样本数是否大于设定值N，如果大于N，则得到最终的第i类和第j类决策边界样本集合；否则，则重复执行步骤S21-S26； S3：将决策边界图像样本集合转换为决策边界图像样本矩阵；将决策边界图像样本集合转换为决策边界图像样本矩阵的过程包括： 将决策边界样本集合中的N个决策边界样本的像素值均展开为一列，得到N列像素数据；将每个决策边界样本集合均进行像素展开，得到个N列像素数据；拼接个N列像素数据，得到决策边界矩阵X，C为图像类别总数； S4：对决策边界图像样本矩阵进行奇异值分解，得到决策边界图像样本矩阵的奇异值； S5：根据决策边界图像样本矩阵的奇异值计算得到决策边界复杂度；计算得到决策边界复杂度的公式为： 其中，λi表示第i个奇异值，r表示奇异值的数量，Pλ表示奇异值λ出现的概率，∑是奇异值矩阵，H∑表示决策边界复杂度； S6：对决策边界复杂度进行归一化处理，得到鲁棒性评估指标；对决策边界复杂度进行归一化处理表达式为： 其中，DBSE表示对抗鲁棒性评估指标，lenλ表示决策边界矩阵奇异值的数量； S7：根据鲁棒性评估指标对图像分类模型进行鲁棒性评估，得到图像分类模型的鲁棒性评估结果；根据鲁棒性评估指标对图像分类模型进行鲁棒性评估包括：鲁棒性评估指标数值越大表示图像分类模型的对抗鲁棒性越弱，鲁棒性评估指标数值越小表示图像分类模型的对抗鲁棒性越强。

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。