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！

龙图腾网获悉华中科技大学申请的专利基于高斯同伦优化的黑盒攻击对抗样本生成方法及系统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：CN118940258B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202410977215.2，技术领域涉及：G06F21/55；该发明授权基于高斯同伦优化的黑盒攻击对抗样本生成方法及系统是由汪国有;周秉毅设计研发完成，并于2024-07-22向国家知识产权局提交的专利申请。

本基于高斯同伦优化的黑盒攻击对抗样本生成方法及系统在说明书摘要公布了：本申请要求优先权，在先申请的申请号为：2024105299174，名称：基于高斯同伦优化的黑盒攻击对抗样本生成方法及系统，优先权日，2024年4月29日。本发明公开了一种基于高斯同伦优化的黑盒攻击对抗样本生成方法及系统，属于深度学习图像分类模型可靠性验证领域，方法包括：构建平滑因子调节模型，初始化平滑因子调节模型和连续路径学习模型；平滑因子调节模型输出平滑因子s；连续路径学习模型输出样本扰动x；利用平滑因子s对原始对抗样本生成目标函数进行高斯平滑处理，得到若干个高斯同伦函数Gx,s，以最小化若干个高斯同伦函数Gx,s的均值为目标，联合训练平滑因子调节模型和连续路径学习模型，高效地生成对抗样本。

本发明授权基于高斯同伦优化的黑盒攻击对抗样本生成方法及系统在权利要求书中公布了：1.一种基于高斯同伦优化的黑盒攻击对抗样本生成方法，其特征在于，包括： 构建平滑因子调节模型，初始化所述平滑因子调节模型和连续路径学习模型；所述平滑因子调节模型的输入为0，1上均匀分布的N维张量输出为一个N维的平滑因子s＝sΨT＝Ψ1-T；所述连续路径学习模型的输入与所述平滑因子调节模型的输入相同，输出为样本扰动其中，ti为第i维元素，N为正整数，Ψ为平滑因子调节模型的网络参数，sΨ为平滑因子调节模型的映射函数，为连续路径学习模型的映射函数，为连续路径学习模型的网络参数； 利用所述平滑因子s对原始对抗样本生成目标函数进行高斯平滑处理，得到N维并行的高斯同伦函数，每一维对应一个同伦层，该同伦层的高斯函数为 训练阶段，对于所有在均匀分布U0，1上的同伦层t，以最小化其高斯函数关于的t的期望为目标，联合训练所述平滑因子调节模型和所述连续路径学习模型，直至攻击损失小于设定值或达到迭代上限； 训练完成后所述连续路径学习模型输出最优样本扰动，将所述最优样本扰动添加至原始图像，得到对抗样本图像。

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华中科技大学，其通讯地址为：430074 湖北省武汉市洪山区珞喻路1037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”。