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！

龙图腾网获悉南昌航空大学申请的专利一种针对生物纹理特征识别算法安全性测试的重构方法及其应用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：CN117079114B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202311043284.8，技术领域涉及：G06V20/00；该发明授权一种针对生物纹理特征识别算法安全性测试的重构方法及其应用是由冷璐;鄢礼成;储珺;曾接贤设计研发完成，并于2023-08-18向国家知识产权局提交的专利申请。

本一种针对生物纹理特征识别算法安全性测试的重构方法及其应用在说明书摘要公布了：本申请涉及一种针对生物纹理特征识别算法安全性测试的重构方法及其应用，通过图像重构模型生成高品质的重构图像，将所述重构图像用于进行重构攻击，依据四种攻击场景对生物识别算法的安全性和隐私性进行充分评估。所述图像重构模型在生成器中设置有Dropout2D层，通过对抗损失、像素损失、结构损失和纹理损失构建图像重构模型的目标函数，采用双重复用训练策略进行两个阶段的训练。本发明能够在只有少量数据的情况下重构出十分接近于原始图像的重构图像，且能够匹配各种生物特征识别方法，具有普适性，同时能够对生物特征识别算法的安全性和隐私性进行评估，为选择安全的生物特征模板和可靠的生物特征识别算法提供可靠依据。

本发明授权一种针对生物纹理特征识别算法安全性测试的重构方法及其应用在权利要求书中公布了：1.一种针对生物纹理特征识别算法安全性测试的重构方法，其特征在于，包括如下步骤： S101：构建图像数据集，将所述图像数据集划分为测试集和训练集； S102：构建图像重构模型ProGAN，所述图像重构模型ProGAN为对抗生成网络，包括生成器和判别器，生成器用于将输入的特征向量输出为重构图像，判别器用于将生成器输出的重构图像与真实图像进行对比，输出判断重构图像真假的判断分数； 所述生成器包括初始化生成器模块、至少一个标准生成器模块和RGB层，所述初始化生成器模块包括转置卷积层，卷积层和Dropout2D层；所述标准生成器模块包括插值上采样层和两层卷积层，两层卷积层之间还设置有Dropout2D层； 所述判别器包括RGB层、至少一个标准判别器模块和条件判别器模块，所述标准判别器模块包括两个卷积层和2D平均池化层，所述条件判别器模块包括最小批处理层，三层卷积层和映射条件层； S103：通过对抗损失、像素损失、结构损失和纹理损失构建图像重构模型ProGAN的目标函数，其中，以生成器的基础对抗损失、像素损失、结构损失和纹理损失的综总和作为图像重构模型ProGAN中生成器的目标函数，以判别器的基础对抗损失图像重构模型ProGAN中判别器的目标函数；在计算纹理损失时，通过自行设计的尺度自适应多纹理互补方法保证重构图与原始图在纹理上相似，其特征在于，两次使用N个不同方向的尺度自适应卷积核，即Gabor卷积核进行滤波和特征提取，两次滤波和特征提取分别得到一阶纹理特征和二阶纹理特征，共对应2N个纹理响应图；Gabor卷积核的半径为，Gabor卷积核的大小为，其中，imgSize表示图像的最短边长表示向下取整；对每个纹理响应图进行实例归一化，通过MAE损失测量重构图像和目标图像的2N个纹理响应图之间的差异，并计算2N个差值的平均值作为最终的纹理损失； S104：对构建好的图像重构模型ProGAN采用双重复用训练策略进行两个阶段的训练，第一阶段采用随机生成的隐向量输入图像重构模型ProGAN进行训练，得到第一阶段的生成器参数和隐向量重构生成对应的假图像；第二阶段将假图像和训练集中的真图像输入到生物特征识别算法的特征提取器中提取出对应的假特征向量和真特征向量，采用第一阶段的生成器参数对第二阶段的生成器进行初始化，并将所述真特征向量和假特征向量输入到第二阶段的生成器中进行训练，完成图像重构模型ProGAN的训练过程；训练完毕后使用训练集对图像重构模型ProGAN进行测试； S105：采用训练完毕的图像重构模型ProGAN进行图像重构。

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昌航空大学，其通讯地址为：330063 江西省南昌市丰和南大道696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。