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！

龙图腾网获悉东莞理工学院申请的专利对抗性集成分类模型的构建方法、装置、设备及存储介质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：CN114925765B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202210568117.4，技术领域涉及：G06F18/24；该发明授权对抗性集成分类模型的构建方法、装置、设备及存储介质是由张福勇;王天健;王艺设计研发完成，并于2022-05-24向国家知识产权局提交的专利申请。

本对抗性集成分类模型的构建方法、装置、设备及存储介质在说明书摘要公布了：本发明公开了一种对抗性集成分类模型的构建方法、装置、设备及存储介质，该方法包括：获取训练数据集；其中，训练数据集包含多个待训练样本和每个待训练样本对应的分类标签，且每个待训练样本包含多个特征；对每个待训练样本进行特征选择，得到特征向量集合；通过特征向量集合对预先构建的多个分类器进行训练，得到多个基分类器；通过所述特征向量集合对多个预先构建的分类器进行训练，得到多个基分类器，以构成分类器集合；每当接收到待检测样本时，从所述分类器集合中随机选择预设数量的基分类器进行集成，得到目标集成分类模型。采用本发明能够使攻击者难以学习到真实的决策边界，以提高集成分类模型的鲁棒性和分类检测精度。

本发明授权对抗性集成分类模型的构建方法、装置、设备及存储介质在权利要求书中公布了：1.一种对抗性集成分类模型的构建方法，其特征在于，应用于文本分类模型，所述对抗性集成分类模型的构建方法包括： 获取训练数据集；其中，所述训练数据集包含多个待训练样本和每个所述待训练样本对应的分类标签，且每个所述待训练样本包含多个特征；所述待训练样本为文本样本； 对每个所述待训练样本进行特征选择，得到特征向量集合； 通过所述特征向量集合对多个预先构建的分类器进行训练，得到多个基分类器，以构成分类器集合； 每当接收到待检测样本时，从所述分类器集合中随机选择预设数量的基分类器进行集成，得到目标集成分类模型； 所述分类标签用于将所述待训练样本分为恶意样本或正常样本；所述训练数据集中还包括每个恶意样本对应的攻击样本，且每个所述攻击样本包含多个特征； 所述对每个所述待训练样本的特征向量进行特征选择，得到特征向量集合，具体为： 基于对抗特征选择算法对每个所述待训练样本进行特征选择，得到特征向量集合； 所述基于对抗特征选择算法对每个所述待训练样本进行特征选择，得到特征向量集合，具体为： 根据以下公式对每个所述待训练样本进行特征选择，得到每个所述待训练样本对应的特征向量，以构成特征向量集合： 其中，k＝1,2,…,N，N为待训练样本中包含的特征数量，k*为待训练样本中第k个被选中的特征，为待训练样本中任意选择的k个特征的映射，G为没有攻击的情况下预设分类器的泛化能力，S为存在攻击的情况下预设分类器的安全性，λ为权衡参数； 所述存在攻击的情况下预设分类器的安全性S通过以下公式计算得到： 其中，n+为训练数据集中的恶意样本数量，d·,·为距离函数，为训练数据集的第j个恶意样本中任意选择的k个特征的映射，为第j个恶意样本对应的攻击样本中任意选择的k个特征的映射。

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东莞理工学院，其通讯地址为：523808 广东省东莞市松山湖科技产业园区大学路1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”。