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！

龙图腾网获悉杭州君同未来科技有限责任公司申请的专利基于模型同化的可疑模型后门类别定位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：CN120259784B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202510730424.1，技术领域涉及：G06V10/764；该发明授权基于模型同化的可疑模型后门类别定位方法是由韩蒙;李明昊;刘勇;林昶廷;邢文鹏;高岩;杨波设计研发完成，并于2025-06-03向国家知识产权局提交的专利申请。

本基于模型同化的可疑模型后门类别定位方法在说明书摘要公布了：本发明涉及机器学习领域，具体为基于模型同化的可疑模型后门类别定位方法，利用图像数据集对模型进行同化度计算，判断模型是否受到后门攻击；当模型受到后门攻击，利用协方差判别分析，计算每个类别的协方差指标，从而定位可疑类别；根据可疑类别，进行数据清洗，得到干净数据集；根据干净数据集，生成平衡数据集；根据平衡数据集，重新训练模型。本发明能够通过度量数据集中不同类别的注意力模式差异，定位数据集中可疑的中毒类别，在不依赖已知的后门信息，在多种后门攻击场景中实现对后门模型及中毒类型的有效检测，提高后门攻击检测准确度和鲁棒性。

本发明授权基于模型同化的可疑模型后门类别定位方法在权利要求书中公布了：1.基于模型同化的可疑模型后门类别定位方法，其特征在于，所述方法包括以下步骤： 步骤S1：输入包含若干类别的图像数据集，利用所述图像数据集对模型进行同化度计算，判断所述模型是否受到后门攻击，其包括： 从模型获取若干中间层，构成特征提取层集； 对于所述图像数据集中每个类别的样本，根据所述特征提取层集中每个中间层，生成所述样本对应的特征映射，并计算每个特征映射对应的注意力图； 根据所述注意力图，进行关于所述图像数据集的跨类别注意力图比较，其包括： 对于所述图像数据集中任意两个类别，计算所述两个类别对应每个中间层的注意力图之间的Frobenius范数差异； 根据所述跨类别注意力图比较的结果，进行同化度计算，得到所述图像数据集中每个类别的同化分数，从而判断所述模型是否受到后门攻击，其包括： 对所述两个类别对应所有中间层的注意力图之间的Frobenius范数差异进行标准差计算，得到所述图像数据集中每个类别的同化分数； 根据每个类别的同化分数，判断所述模型是否受到后门攻击； 步骤S2：当所述模型受到后门攻击，利用协方差判别分析，计算每个类别的协方差指标，从而定位可疑类别，其包括： 当所述模型受到后门攻击，计算所述类别中每个样本的注意力图的协方差矩阵，其包括： 提取所述类别中每个样本对应所有中间层的注意力图，并将所述注意力图展平为向量； 根据所述向量，计算所述类别中每个样本的注意力图的协方差矩阵； 根据所述类别中所有样本的注意力图的协方差矩阵，计算所述类别的平均协方差矩阵； 对于所述类别中每个样本，根据所述样本的协方差矩阵和所述类别的平均协方差矩阵，计算所述样本的协方差判别分数；并且取前十个最高协方差判别分数分析，从而定位可疑类别，其包括： 对于所述类别中每个样本，计算所述样本的协方差矩阵和所述类别的平均协方差矩阵之间的Frobenius范数差异，得到所述样本的协方差判别分数； 取前十个最高协方差判别分数，若所述前十个最高协方差判别分数对应的样本集中在某一类别中，则确定所述类别为可疑类别； 步骤S3：根据所述可疑类别，进行数据清洗，得到干净数据集； 步骤S4：根据所述干净数据集，生成平衡数据集；根据所述平衡数据集，重新训练模型。

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杭州君同未来科技有限责任公司，其通讯地址为：310053 浙江省杭州市滨江区浦沿街道东信大道66号6号楼310室；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”。