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！

龙图腾网获悉湘潭大学申请的专利一种高迁移性和弱感知性的对抗样本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：CN117172304B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202311223893.1，技术领域涉及：G06N3/094；该发明授权一种高迁移性和弱感知性的对抗样本生成方法是由朱江;谭玲平;李艳春;许海霞;贺振东;田淑娟;刘昊霖设计研发完成，并于2023-09-21向国家知识产权局提交的专利申请。

本一种高迁移性和弱感知性的对抗样本生成方法在说明书摘要公布了：本发明公开了一种高迁移性和弱感知性的对抗样本生成方法，该方法包括：首先，将原始图像分别输入扩散模型和代理模型，得到经过扩散模型重构的重构样本和采用PGD算法攻击代理模型生成的引导样本；然后，对原始样本、重构样本以及引导样本进行离散小波变换，仅使用分解后的低频分量进行图像恢复，得到仅含低频分量的三个样本；接着，获取这三个仅含低频分量的样本在代理模型的第L层特征，构成三元组损失，实现特征引导；最后，在迭代攻击次数达到预设次数的情况下生成高迁移性和弱感知性的对抗样本。本发明生成迁移性更高且难以被察觉的对抗样本。

本发明授权一种高迁移性和弱感知性的对抗样本生成方法在权利要求书中公布了：1.一种高迁移性和弱感知性的对抗样本生成方法，其特征在于，包括以下步骤： S1.将原始图像xclean输入到stablediffusion模型，经过前向扩散和反向去噪得到重构的样本x'； S2.将x'，xclean，xguide三个样本进行离散小波变换，其中，xguide为采用PGD算法攻击代理模型生成的对抗样本，将分解得到的高频分量丢弃，仅使用低频分量进行图像恢复分别得到 S3.利用与对进行特征引导，其过程为，获取在代理模型的第L层特征，分别为其中代理模型为基于深度神经网络的图像分类器；将构成三元组损失Ltri，对zt进行三元组损失优化，进行特征引导；其中，表示三元组损失的锚定项，表示三元组损失的正项，表示三元组损失的负项，用于进行特征引导的三元组损失Ltri定义为： 其中，α∈R+是正负对之间的距离，FL·表示模型的第L层的特征，D·表示度量函数； S4.进行N次攻击迭代，在迭代的过程中通过优化损失函数对x'进行更新；损失函数包含四个子损失函数，分别为用于攻击的损失Lattack，用于增强迁移性的损失Ltransfer，用来保留内容结构的损失Lstructure以及用于特征引导的三元组损失Ltri，经过对x'进行N次更新后得到最终的对抗样本xadv。

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湘潭大学，其通讯地址为：411105 湖南省湘潭市雨湖区湘潭大学；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。