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！

龙图腾网获悉南京大学申请的专利一种基于元学习的图像稀疏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：CN116188913B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202310240782.5，技术领域涉及：G06V10/774；该发明授权一种基于元学习的图像稀疏对抗样本生成方法是由李伟涛;商琳设计研发完成，并于2023-03-14向国家知识产权局提交的专利申请。

本一种基于元学习的图像稀疏对抗样本生成方法在说明书摘要公布了：本发明提供了一种基于元学习的图像稀疏对抗样本生成方法，包括以下步骤：步骤1，在图像分类模型组成的白盒模型集合中随机采样n个模型；步骤2，元训练阶段；步骤3，元测试阶段；步骤4，对于当前的对抗样本，采样投影策略将全局扰动稀疏化，得到具有稀疏性的对抗样本；步骤5，重复步骤1～步骤4T次,直到对抗样本的更新次数达到预定的迭代次数，使用得到的对抗样本攻击目标黑盒模型。本发明能够将元学习与基于梯度的稀疏攻击方法相结合，将多个模型的梯度信息融合，并且在元测试阶段进行模拟黑盒攻击约束梯度的更新方向与白盒攻击相似，使得更新的对抗样本不会过拟合于单个模型，有效的提高了对抗样本对黑盒模型攻击的成功率。

本发明授权一种基于元学习的图像稀疏对抗样本生成方法在权利要求书中公布了：1.一种基于元学习的图像稀疏对抗样本生成方法，其特征在于，包括以下步骤： 步骤1，在图像分类模型组成的白盒模型集合中随机采样n个模型，其中前n-1个分类模型用于元训练阶段，第n个分类模型用于元测试阶段； 步骤2，元训练阶段：在采样得到的前n-1个模型上进行白盒攻击生成具有迁移性的对抗样本，将待输入分类模型获取分类标签的原始图像样本x输入前n-1个白盒分类模型，得到模型输出logits值，并进行加权融合，根据加权融合后的logit值计算当前图像的交叉熵损失函数值，并采取基于梯度的攻击方法利用交叉熵损失函数的梯度值更新对抗攻击样本；logits值表示输出类别概率值；所述基于梯度的攻击方法是根据快速梯度符号法来更新当前对抗样本； 步骤3，元测试阶段：利用第n个模型进行一次模拟黑盒攻击，并更新对抗样本；计算模型对当前对抗样本的交叉熵损失函数值，并根据梯度更新对抗样本； 步骤4，对于当前的对抗样本，采样投影策略将全局扰动稀疏化，得到具有稀疏性的对抗样本；所述投影策略包括：对于当前对抗样本，将其投影到L-0范数空间，得到最小化问题，求解投影后的每个像素点的像素值，根据投影后的像素值，进行降序排列，对排列后的像素值，根据对生成对抗样本的贡献度大小选取前k个像素值组成最终的稀疏对抗样本； 步骤5，重复步骤1～步骤4T次,直到对抗样本的更新次数达到预定的迭代次数，使用得到的对抗样本攻击目标黑盒模型； 步骤1包括：在具有N个模型的白盒模型集合M1,M2,…,MN中，随机采样得到n个模型前n-1个模型在步骤2中作为白盒模型进行白盒攻击，第n个模型在步骤3中作为黑盒模型模拟黑盒攻击，MN表示第N个模型，表示第n个模型。

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大学，其通讯地址为：210023 江苏省南京市栖霞区仙林大道163号南京大学；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。