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！

龙图腾网获悉中国传媒大学申请的专利针对场景文本识别模型的序列感知对抗攻击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：CN120747941B 。

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：202511270016.9，技术领域涉及：G06V20/62；该发明授权针对场景文本识别模型的序列感知对抗攻击方法及系统是由徐翊焜设计研发完成，并于2025-09-08向国家知识产权局提交的专利申请。

本针对场景文本识别模型的序列感知对抗攻击方法及系统在说明书摘要公布了：本发明提出一种针对场景文本识别模型的序列感知对抗攻击方法及系统，属于计算机视觉与对抗机器学习领域，包括：S1：获取数据集和场景文本识别模型的信息；S2：将场景文本识别模型转为测试阶段，筛选出模型能识别的输入图片；S3：构建并执行攻击算法，生成对抗样本，并构造损失函数以减小对抗样本和输入图片的差异。本发明的方法利用场景文本识别模型的序列预测特性，显著提高攻击成功率并减少扰动幅度，为场景文本识别模型的鲁棒性评估提供高效攻击工具，也能用于现在前沿的隐私保护和版权保护方案。

本发明授权针对场景文本识别模型的序列感知对抗攻击方法及系统在权利要求书中公布了：1.一种针对场景文本识别模型的序列感知对抗攻击方法，其特征在于，包括： 步骤S1：获取包含图像及其正确标签序列的数据集，获取目标场景文本识别模型的架构、参数及梯度信息； 步骤S2：将场景文本识别模型切换至测试模式，筛选出模型能够正确识别的图像子集； 步骤S3：构建并执行序列感知对抗攻击算法，通过迭代生成对抗样本，其中损失函数设计为：针对模型输出的概率分布矩阵，识别最脆弱时间步及其对应的次高概率字符作为攻击目标，以最大化该字符概率并同时最小化对抗样本与原始图像的范数距离，从而在保证高攻击成功率的同时生成视觉不可察的扰动，具体包括： 步骤S31：获取数据集的图片集合以及正确标签序列信息，并筛选出场景文本识别模型能识别的图片集合，从中取出原始图像和其对应的标签序列信息；步骤S32：初始化扰动，设置攻击算法最大迭代次数和学习率； 步骤S33：将归一化到[‑1,1]之间； 步骤S34：将输入场景文本识别模型，输出概率分布矩阵；其中T表示模型将图片划分的时间步数，表示在第个时间步的概率分布向量，表示为，其中表示可识别字符的数量；步骤S35：基于概率分布矩阵构建对抗攻击损失函数，计算得到损失值，具体包括： 步骤S351：通过概率分布矩阵得到模型输出的测试路径和时间步长度； 步骤S352：找到所述测试路径中每个时间步最大的概率值向量； 步骤S353：获取中最小概率对应的时间步及对应字符； 步骤S354：找到对应的向量中的次高概率字符作为目标字符； 步骤S355：构建和计算损失函数： ； 其中，为平衡扰动幅度的超参数，为输入图片，为对抗样本；为范数； 步骤S36：计算梯度，其中，为求损失关于扰动的梯度； 步骤S37：归一化所述梯度； 步骤S38：通过随机梯度下降SGD法更新； 步骤S39：通过退火算法更新学习率； 步骤S310：将扰动添加到原始图像，生成候选对抗样本； 步骤S311：对所述候选对抗样本进行裁剪，确保其在[‑1,1]之间； 步骤S312：测试候选对抗样本是否能攻击成功，如果成功则结束迭代，输出当前的候选对抗样本作为最终的对抗样本；若不能成功且未达到最大迭代次数，则将重新输入目标场景文本识别模型，执行步骤S34~S312，得到新的概率分布矩阵和；直到达到最大迭代次数，输出最后的作为对抗样本。

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中国传媒大学，其通讯地址为：100024 北京市朝阳区定福庄东街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”。

以上内容由龙图腾AI智能生成。