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！

龙图腾网获悉武汉大学申请的专利基于多尺度卷积的神经网络差分区分器的构建方法及装置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：CN120146111B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202510348795.3，技术领域涉及：H04L9/06；该发明授权基于多尺度卷积的神经网络差分区分器的构建方法及装置是由王丽娜;侯宇飞;贾博飞;庞智;徐树旺;丁鑫旺;刘辰昊;杨辰烨;叶茜;余荣威设计研发完成，并于2025-03-24向国家知识产权局提交的专利申请。

本基于多尺度卷积的神经网络差分区分器的构建方法及装置在说明书摘要公布了：本发明公开了一种基于多尺度卷积的神经网络差分区分器的构建方法及装置，其中的方法包括如下步骤：步骤1，基于多尺度卷积思想提出优化差分区分器的残差塔架构的可泛化方案。步骤2，基于步骤一中方案构建出针对减轮至5‑7轮的Speck加密算法具有更强区分效果的差分区分器模型。步骤3，生成密文数据集，训练得出差分区分器模型。步骤4，基于优化后的神经网络差分区分器进行密钥恢复攻击，破译对应轻量级对称密码。本发明通过多尺度卷积、残差塔重构等方案对神经网络差分区分器进行构建与优化，实现了对减轮至5‑7轮的轻量级对称加密算法的高准确率区分。在此基础上，进一步针对11轮次的对称密码算法，成功实施了密钥恢复攻击，从而达成破译目的。

本发明授权基于多尺度卷积的神经网络差分区分器的构建方法及装置在权利要求书中公布了：1.一种基于多尺度卷积的神经网络差分区分器的构建方法，其特征在于，包括： 通过调整残差神经网络初步构建适用于密文结构的神经网络差分区分器，其中，初步构建的神经网络差分区分器包括输入模块、初始卷积模块、残差模块以及预测模块，输入模块用于接收密文对输入数据，初始卷积模块用于提取密文对输入数据的特征，残差模块用于提取密文对输入数据的深层次特征，预测模块用于将输入特征映射到输出标签，得到最终结果； 调整神经网络差分区分器内残差塔个数与残差塔内卷积层个数，对神经网络差分区分器进行初步优化，并结合金字塔卷积的多尺度卷积思想，对神经网络差分区分器的卷积核大小组成进行调整，得到优化后的神经网络差分区分器；具体包括： 参考Res2Net的主体网络构建方案，针对残差模块进行修改，在初始卷积模块进行特征提取后将得到的特征张量矩阵输入残差模块，将特征张量矩阵复制多份共同作为学习数据输入神经网络，将残差的连接处对于特征张量的通道维度进行分割后学习然后再次拼接的方式修改为将结果进行相加，单个残差塔内的卷积层卷积核大小与残差塔之间的初始卷积核大小均逐个递增，构建出优化后的第一神经网络差分区分器ND1； 和或参考DenseNet的主体网络构建方案，针对残差模块进行修改，将每一层卷积层所学特征均用残差结构连接至后续卷积层中，作为输入的一部分，将特征多次学习与融合，其中设置4个特征融合层进行不同卷积层间的特征保存与融合，增加单个残差塔中的卷积层个数，增加残差塔内与残差塔之间的卷积核大小，构建出优化后的第二神经网络差分区分器ND2； 和或参考并运用并列卷积思想，针对残差模块进行修改，采用5个并列的双层卷积组组成，大残差塔具有5个小残差塔，小残差塔内具有两个卷积层，其中，大残差塔为残差模块，小残差塔与大残差塔之间卷积核大小均逐个递增，构建出优化后的第三神经网络差分区分器ND3； 和或参考并运用并列卷积与特征多次学习思想，针对初始卷积模块进行修改，使用卷积核大小为1的单层卷积操作来进行特征提取，将卷积核大小为1的单层卷积操作进行三次，且在第二次和第三次卷积操作之后分别再次进行1次与2次更大卷积核的卷积操作，最后将三次卷积的结果进行加和得到最终的特征矩阵输入残差模块，构建出优化后的第四神经网络差分区分器ND4。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区八一路299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。