買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉華中科技大學申請的專利基于高斯同倫優化的黑盒攻擊對抗樣本生成方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN118940258B 。

龍圖騰網通過國家知識產權局官網在2025-09-05發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202410977215.2，技術領域涉及：G06F21/55；該發明授權基于高斯同倫優化的黑盒攻擊對抗樣本生成方法及系統是由汪國有;周秉毅設計研發完成，并于2024-07-22向國家知識產權局提交的專利申請。

本基于高斯同倫優化的黑盒攻擊對抗樣本生成方法及系統在說明書摘要公布了：本申請要求優先權，在先申請的申請號為：2024105299174，名稱：基于高斯同倫優化的黑盒攻擊對抗樣本生成方法及系統，優先權日，2024年4月29日。本發明公開了一種基于高斯同倫優化的黑盒攻擊對抗樣本生成方法及系統，屬于深度學習圖像分類模型可靠性驗證領域，方法包括：構建平滑因子調節模型，初始化平滑因子調節模型和連續路徑學習模型；平滑因子調節模型輸出平滑因子s；連續路徑學習模型輸出樣本擾動x；利用平滑因子s對原始對抗樣本生成目標函數進行高斯平滑處理，得到若干個高斯同倫函數Gx,s，以最小化若干個高斯同倫函數Gx,s的均值為目標，聯合訓練平滑因子調節模型和連續路徑學習模型，高效地生成對抗樣本。

本發明授權基于高斯同倫優化的黑盒攻擊對抗樣本生成方法及系統在權利要求書中公布了：1.一種基于高斯同倫優化的黑盒攻擊對抗樣本生成方法，其特征在于，包括： 構建平滑因子調節模型，初始化所述平滑因子調節模型和連續路徑學習模型；所述平滑因子調節模型的輸入為0，1上均勻分布的N維張量輸出為一個N維的平滑因子s＝sΨT＝Ψ1-T；所述連續路徑學習模型的輸入與所述平滑因子調節模型的輸入相同，輸出為樣本擾動其中，ti為第i維元素，N為正整數，Ψ為平滑因子調節模型的網絡參數，sΨ為平滑因子調節模型的映射函數，為連續路徑學習模型的映射函數，為連續路徑學習模型的網絡參數； 利用所述平滑因子s對原始對抗樣本生成目標函數進行高斯平滑處理，得到N維并行的高斯同倫函數，每一維對應一個同倫層，該同倫層的高斯函數為 訓練階段，對于所有在均勻分布U0，1上的同倫層t，以最小化其高斯函數關于的t的期望為目標，聯合訓練所述平滑因子調節模型和所述連續路徑學習模型，直至攻擊損失小于設定值或達到迭代上限； 訓練完成后所述連續路徑學習模型輸出最優樣本擾動，將所述最優樣本擾動添加至原始圖像，得到對抗樣本圖像。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人華中科技大學，其通訊地址為：430074 湖北省武漢市洪山區珞喻路1037號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。