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！

龙图腾网获悉中南大学申请的专利一种多模态遥感图像的对抗样本生成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：CN119851126B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202411944122.6，技术领域涉及：G06V20/10；该发明授权一种多模态遥感图像的对抗样本生成方法是由李海峰;曹航;崔家豪;吕迅;罗镔延设计研发完成，并于2024-12-27向国家知识产权局提交的专利申请。

本一种多模态遥感图像的对抗样本生成方法在说明书摘要公布了：本发明公开了一种多模态遥感图像的对抗样本生成方法，包括以下步骤：构建伪孪生生成对抗网络，利用生成器将遥感图像同时生成两个模态的添加到干净样本的扰动，并构造特定模态鉴别器以限制生成的对抗样本在感知上与真实样本相似；采用潜在特征损失，捕获不同模态间的潜在特征关系，从同一个符合正态分布的噪声向量同时生成光学对抗样本和SAR对抗样本；采用协同对抗损失迫使两个模态的扰动对多模态遥感图像分类网络分类结果具有相似的扰动方向；输出遥感图像。本申请设计了协同对抗损失来协调不同模态的攻击以防止不同模态的攻击方向相冲突，对不同对抗攻击方法和不同攻击模态数量的鲁棒性。

本发明授权一种多模态遥感图像的对抗样本生成方法在权利要求书中公布了：1.一种多模态遥感图像的对抗样本生成方法，其特征在于，包括以下步骤： 输入光学模态的遥感图像xO和SAR模态的遥感图像xS； 构建伪孪生生成对抗网络，利用生成器将xO,xS同时生成两个模态的添加到干净样本的扰动，并构造特定模态鉴别器以限制生成的对抗样本在感知上与真实样本相似；所述伪孪生生成对抗网络包括两个相似的GAN管道来联合建模光学模态和SAR模态的数据特征以生成两种模态的隐式扰动，通过样本空间与潜在特征空间的双向映射机制，使两种模态的潜在特征实现一致性，并利用共享的潜在特征生成对抗扰动，并将扰动施加到原始图像上后生成对抗样本并添加到多模态遥感图像分类模型中，鼓励生成的对抗样本被目标模型将目标类别错误地分类；每个GAN管道中部署四个神经网络，包括逆变器I、生成器G、鉴别器D和目标模型f·；所述逆变器I负责将给定的样本从样本空间映射到其潜在特征空间，实现生成器G的逆向映射，确保样本空间与潜在特征空间之间的双向一致性；所述生成器G负责从潜在特征空间映射回样本空间，并利用给定的特征向量z∈Rd从潜在空间生成对应模态的对抗扰动，并对样本添加扰动生成对抗样本；所述目标模型f·是多模态分类网络，用于对生成的对抗样本进行优化，提高攻击性能； 生成器G的损失函数包括欺骗损失Ladv、协同对抗损失Lca和潜在特征损失Lz和感知损失；其中欺骗损失Ladv通过最大化多模态分类网络的预测与真实标签之间的交叉熵损失；协同对抗损失Lca鼓励两种模态的扰动方向一致，避免光学模态和SAR模态之间的对抗扰动产生相互冲突的影响；潜在特征损失Lz通过最小化光学模态和SAR模态的潜在特征zS，zO之间的距离，确保两种模态在潜在特征空间中具有一致性，捕获不同模态间的潜在特征关系来破坏模态之间的相关性，最终从同一个符合正态分布的噪声向量同时生成光学对抗样本和SAR对抗样本；感知损失量化真实数据和生成的对抗样本之间的L2范数距离，以生成更接近真实样本的对抗样本； 采用协同对抗损失迫使两个模态的扰动对多模态遥感图像分类网络分类结果具有相似的扰动方向，降低不同模态扰动对分类结果的冲突； 输出包括扰动的光学模态遥感图像和SAR模态遥感图像。

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中南大学，其通讯地址为：410083 湖南省长沙市岳麓区麓山南路932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。