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！

龍圖騰網獲悉齊魯工業大學(山東省科學院);山東省計算中心(國家超級計算濟南中心)申請的專利用于提高檢測模型魯棒性的黑盒對抗性虛假數據注入攻擊建模方法及裝置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：CN120524483B 。

龍圖騰網通過國家知識產權局官網在2025-09-26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：202511013915.0，技術領域涉及：G06F21/55；該發明授權用于提高檢測模型魯棒性的黑盒對抗性虛假數據注入攻擊建模方法及裝置是由王鑫;張俊濤;楊明;吳曉明;劉臣勝;陳振婭;穆超;賀云鵬;徐碩;吳法宗設計研發完成，并于2025-07-23向國家知識產權局提交的專利申請。

本用于提高檢測模型魯棒性的黑盒對抗性虛假數據注入攻擊建模方法及裝置在說明書摘要公布了：本發明屬于智能電網數據安全的技術領域，具體涉及用于提高檢測模型魯棒性的黑盒對抗性虛假數據注入攻擊建模方法及裝置。所述方法包括：基于電力系統傳感器的測量向量構建初始攻擊測量向量；訓練代理模型和自編碼器；對初始攻擊測量向量加入擾動向量以構建目標攻擊向量，并利用訓練好的代理模型計算其為正常和異常的置信度，利用訓練好的自編碼器獲取重構目標攻擊向量；優化擾動向量以得到最終的目標攻擊向量，并利用其與正常數據一同訓練檢測模型，提高檢測模型的魯棒性。本發明通過建模基于自編碼器的黑盒對抗性虛假數據注入攻擊，能夠促使攻擊檢測模型學習數據中更本質的且與擾動模式無關的異常特征，從而提高檢測模型的魯棒性。

本發明授權用于提高檢測模型魯棒性的黑盒對抗性虛假數據注入攻擊建模方法及裝置在權利要求書中公布了：1.用于提高檢測模型魯棒性的黑盒對抗性虛假數據注入攻擊建模方法，其特征在于，所述方法包括： S1、獲取電力系統傳感器的測量向量，并基于所述測量向量，利用已有的攻擊建模方法構建初始攻擊測量向量； S2、利用所述測量向量和初始攻擊測量向量訓練代理模型，以及利用所述測量向量訓練自編碼器，其中，所述代理模型為神經網絡模型； S3、對所述初始攻擊測量向量加入擾動向量以構建目標攻擊向量，并利用訓練好的代理模型分別計算所述目標攻擊向量分類為正常和異常的置信度，以及利用訓練好的自編碼器獲取其對應的重構目標攻擊向量； S4、基于所述目標攻擊向量分類為正常和異常的置信度、以及其對應的重構目標攻擊向量，建立優化目標，以優化所述擾動向量，得到最終的目標攻擊向量；其具體包括： 構建優化問題： （8）； 式（8）中：表示擾動向量，表示目標攻擊向量，表示初始攻擊測量向量，；約束和分別表示初始攻擊測量向量被歸類為受攻擊，目標攻擊向量被歸類為合法；表示重構目標攻擊向量，為設定的閾值； 將所述優化問題重構為： （9）； 式（9）中：表示目標攻擊向量分類為正常的置信度，表示目標攻擊向量分類為異常的置信度；為的簡寫，當時，=0；表示針對第個類激活的的特征，其中，1表示“受攻擊”樣本，0表示“正常”樣本；為用于平衡代理模型和自編碼器兩部分的損失的權重系數；為擾動的上下限制； 采用變量變化法，對變量的攻擊進行優化： （10）； 其中，，則滿足上式（9）的約束，得到最終的優化目標： （11）； 基于所述優化目標迭代優化所述擾動向量，當滿足和時停止迭代，并根據得到的擾動向量計算出最終的目標攻擊向量； S5、將最終的目標攻擊向量標記為異常數據，并與正常數據一同輸入檢測模型對其進行訓練，以提高檢測模型的魯棒性。

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齊魯工業大學(山東省科學院);山東省計算中心(國家超級計算濟南中心)，其通訊地址為：250000 山東省濟南市長清區西部新城大學科技園；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”。