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！

龙图腾网获悉北京理工大学申请的专利一种基于LLM多模态数据生成的无人机抗欺骗能力提升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：CN120688577B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202511187177.1，技术领域涉及：G06N3/094；该发明授权一种基于LLM多模态数据生成的无人机抗欺骗能力提升方法是由曾捷;程雯楚;张雨婷;刘兆钰;朱啸闻;杨一帆;安建平;卜祥元设计研发完成，并于2025-08-22向国家知识产权局提交的专利申请。

本一种基于LLM多模态数据生成的无人机抗欺骗能力提升方法在说明书摘要公布了：本申请涉及欺骗数据生成技术领域，特别涉及一种基于LLM多模态数据生成的无人机抗欺骗能力提升方法，其中，方法包括：采集目标无人机执行飞行任务过程的多模态原始数据，并对其进行时间同步和预处理，以得到对应的多模态特征数据，且将多模态特征数据封装为统一结构化的文本描述信息；构建对应的标准化Prompt模板，并将其输入至大语言微调模型中，以输出目标格式的多模态欺骗数据；对多模态欺骗数据进行一致性检验，以构建欺骗数据集，进而基于反馈的动态优化机制，更新欺骗数据集，以供无人机后续用于增强抗欺骗训练或性能评估。本申请能够有效扩展攻击场景覆盖范围，降低了人工设计样本成本，且生成的欺骗样本更贴近真实攻击逻辑。

本发明授权一种基于LLM多模态数据生成的无人机抗欺骗能力提升方法在权利要求书中公布了：1.一种基于LLM多模态数据生成的无人机抗欺骗能力提升方法，其特征在于，包括以下步骤： 采集目标无人机执行预设飞行任务过程中的多模态原始数据，并对所述多模态原始数据进行时间同步和预处理操作，以得到对应的多模态特征数据，且将所述多模态特征数据封装为统一结构化的文本描述信息； 基于所述文本描述信息和预设的攻击类型，构建对应的标准化Prompt模板，并对预先构建的大语言模型进行微调，以生成对应的大语言微调模型； 将所述标准化Prompt模板输入至所述大语言微调模型中，以输出目标格式的多模态欺骗数据，其中，所述多模态欺骗数据包括伪造GPS轨迹点列、扰动IMU加速度趋势和伪装图像描述； 其中，在将所述标准化Prompt模板输入至所述大语言微调模型中，以输出所述目标格式的多模态欺骗数据之后，还包括： 获取所述目标无人机对应的实际飞行轨迹，并计算所述多模态欺骗数据中的伪造GPS轨迹点列与所述实际飞行轨迹之间的平均偏移量指标，且基于所述平均偏移量指标，确定所述伪造GPS轨迹点列中满足预设速度变化约束检测要求的目标伪造GPS轨迹点列； 获取所述目标无人机对应的每个惯性数据帧，并对所述每个惯性数据帧进行滤波和对齐操作，以得到对应的滤波惯性数据帧； 根据所述滤波惯性数据帧计算所述每个惯性数据帧对应的欧几里得差值模长，并利用所述欧几里得差值模长计算所有惯性数据帧的平均扰动量，以基于所述平均扰动量和预设的最大容忍阈值，对所述扰动IMU加速度趋势进行扰动一致性检验操作，以生成满足预设扰动一致性检验要求的目标扰动IMU加速度趋势； 对所述伪装图像描述进行显著性遮挡提取操作，以生成对应的伪装掩码区域，并分别计算所述伪装掩码区域和所述伪装图像描述对应的伪装区域面积和图像总面积； 基于所述伪装区域面积和所述图像总面积，计算对应的遮挡比例，并根据所述遮挡比例对所述伪装图像描述进行预设图像伪装合理性检验操作，以得到满足图像伪装合理性检验要求的目标伪装图像描述； 基于所述目标伪装图像描述、所述目标扰动IMU加速度趋势和所述目标伪造GPS轨迹点列，构建对应的欺骗数据集； 根据所述欺骗数据集和预设的动态优化机制，优化所述标准化Prompt模板，以生成多模态欺骗样本，且通过所述多模态欺骗样本对所述目标无人机进行增强抗欺骗训练和或性能评估操作，得到对应的训练数据和或评估结果，以基于所述训练数据和或所述评估结果，优化所述目标无人机执行所述预设飞行任务的性能。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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”。

以上内容由龙图腾AI智能生成。