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！

龍圖騰網獲悉哈爾濱工程大學申請的專利面向水聲智能偽裝的高魯棒性的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：CN115169216B 。

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：202210574452.5，技術領域涉及：G06F30/27；該發明授權面向水聲智能偽裝的高魯棒性的對抗樣本生成方法及系統是由張立國;田梓琳;尹晗琦;戚朋媛設計研發完成，并于2022-05-25向國家知識產權局提交的專利申請。

本面向水聲智能偽裝的高魯棒性的對抗樣本生成方法及系統在說明書摘要公布了：本發明公開了一種面向水聲智能偽裝的高魯棒性的對抗樣本生成方法及系統，屬于數字圖像處理技術和水聲信號處理技術領域，其中，該方法具體包括：進行對抗擾動的抗噪能力設計基于訓練數據擴張的擾動量增強方法，以擴展訓練數據集得到第二增強數據集；將敵方的識別模型作為一個未知黑盒子，根據所述第二增強數據集對其進行黑盒攻擊，并采用迭代集成學習方法訓練替身模型，得到最優對抗樣本。該方法在利用聲波與各種譜圖的轉換機制進一步約束對抗擾動，使其具備人眼不敏感但可欺騙機器學習模型的能力，再針對環境和自身噪聲設計數據增強方案，完成對抗樣本的抗噪能力建設，并基于集成學習提升對抗樣本的可遷移性、提高泛化能力。

本發明授權面向水聲智能偽裝的高魯棒性的對抗樣本生成方法及系統在權利要求書中公布了：1.一種面向水聲智能偽裝的高魯棒性的對抗樣本生成方法，其特征在于，包括以下步驟： 步驟S1，進行對抗擾動的抗噪能力設計基于訓練數據擴張的擾動量增強方法，以擴展訓練數據集得到第二增強數據集； 步驟S2，將敵方的識別模型作為一個未知黑盒子，根據所述第二增強數據集對其進行黑盒攻擊，并采用迭代集成學習方法訓練替身模型，得到最優對抗樣本； 所述步驟S2具體包括： 步驟S201，預設所述第二增強數據集的任意樣本及其樣本標簽，同時將敵方的識別模型作為未知黑盒子，利用標準交叉熵損失函數和迭代攻擊方法得到能夠欺騙所述識別模型的對抗樣本； 步驟S202，同時攻擊多個替身模型，對其加權求和獲得集成模型，且，得到對抗樣本能攻擊的其他黑盒模型的目標函數； 步驟S203，基于集成模型的對抗樣本生成方法將包含聲波和聲譜圖的水聲信號數據集作為訓練樣本輸入到各替身模型中，得到各替身模型的輸出標簽的置信度； 步驟S204，根據加權平均值計算損失函數，再沿所述損失函數的梯度方向迭代更新，直到損失值平穩迭代結束，輸出最優對抗樣本； 所述步驟S201中的迭代攻擊方法為： 其中，為初始樣本，為原始樣本，為經過t+1次迭代后得到的能夠欺騙模型的樣本，為經過t次迭代后得到的樣本，為迭代次數，為小步長，為損失函數的梯度，為添加海底混響后的樣本輸入到識別模型后得到的輸出，為海底混響，為樣本標簽； 所述步驟S202中的目標函數為： 其中，為樣本標簽，為替身模型個數，為加權求和獲得的集成模型，且，為短時傅里葉變換窗口函數，為個替身模型中的任一個，為初始樣本，為海底混響，為對抗擾動量，為一個常量。

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哈爾濱工程大學，其通訊地址為：150000 黑龍江省哈爾濱市南崗區南通大街145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”。