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！

龙图腾网获悉南京航空航天大学申请的专利一种基于局部子区域扰动的黑盒对抗攻击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：CN119625339B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202311189259.0，技术领域涉及：G06V10/46；该发明授权一种基于局部子区域扰动的黑盒对抗攻击方法是由李振华;游殊设计研发完成，并于2023-09-14向国家知识产权局提交的专利申请。

本一种基于局部子区域扰动的黑盒对抗攻击方法在说明书摘要公布了：本发明公开一种基于局部区域扰动的黑盒对抗攻击方法，可以应用于数字图像攻击与物理攻击，包括步骤如下：1采用CAM类激活图定位图像中的显著区域，确定原始图像中对扰动高度敏感的局部区域；2将显著区域进一步分组得到子区域；3设计局部对抗扰动的目标函数；4为子区域添加扰动；5计算子区域在添加扰动后的损失函数大小，并进行排序；6选取最优的子区域根据目标函数进行随机搜索的扰动。7满足迭代停止条件，输出生成的对抗样本。

本发明授权一种基于局部子区域扰动的黑盒对抗攻击方法在权利要求书中公布了：1.一种基于局部子区域扰动的黑盒对抗攻击方法，其特征在于，包括以下步骤： 1采用CAM类激活图定位图片中的显著区域，该区域对对抗扰动高度敏感，并且包含了图像最重要的信息； 2将选定的显著区域进一步分组，得到子区域； 3设计局部对抗扰动的目标函数：使扰动足够小却又能让模型最大程度分类错误； 所述步骤3的目标函数如下： S31找到对模型输出影响最大的敏感区域Mi，并且该区域的面积要尽可能的小： S32在确定扰动的位置之后，在该区域内搜索使正确类别能最大化错误分类的扰动θ： S33其中S代表第一步中显著局部化的区域，Mi代表分组后属于S的每个子区域，θ代表子区域中的扰动；目标是找到对细微扰动敏感的足够小的敏感子区域，使得DNN模型能够以最大概率将样本从正确的y类错误分类到目标t类；那么将CW损失函数定义为： 其中Cxy表示相对于原始图像的真实类别logit，并且代表最有可能预测的目标类别的概率；当Lx＞0时，说明模型已经对例子进行了正确的分类，当Lx＝0时，攻击成功； 4在每个子区域中添加大小为σ的扰动； 5计算每个子区域在添加扰动后得到的损失函数大小，并进行排序； 6选取排名前topn的子区域，并根据目标函数进行随机搜索的扰动； 所述步骤6具体步骤如下： S61选取排名为前topn名的子区域进行无导数优化中的随机扰动； S62使用随机搜索算法在分组排序后得到的最佳子区域中进行迭代和优化，以找到最佳的扰动Δ，该方法属于无导数优化方法，适用于黑盒攻击的场景；对于该优化方法的形式如下： S63在每一步迭代中，Ω对当前迭代xi的更新进行采样，并且Ω属于最佳子区域的范围； 当目标值减少时值才会进行更新，否则一直重复此过程； S64在每次迭代中，使用整个扰动预算来修改元素的数量；初始的大步长可以快速减少目标损失，但在算法结束时接近最优解时，需要小步长来细化解，最终执行步骤直到达到最大查询数N； S65重复这个过程，直到计算的CW损失Lxj+Δ＝0时，得到最佳的扰动； 7满足迭代停止条件，输出生成的对抗样本。

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南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29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。