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！

龙图腾网获悉中国科学院软件研究所申请的专利一种基于频域特征融合再构的模型后门攻击对抗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：CN116824334B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202310754608.2，技术领域涉及：G06V10/82；该发明授权一种基于频域特征融合再构的模型后门攻击对抗方法是由王承杰;赵琛;武延军;吴敬征;郑森文;罗天悦设计研发完成，并于2023-06-25向国家知识产权局提交的专利申请。

本一种基于频域特征融合再构的模型后门攻击对抗方法在说明书摘要公布了：本发明公开了一种基于频域特征融合再构的模型后门攻击对抗方法。本方法对学生模型的特征图集合利用傅里叶卷积在频域对特征图进行滤波以去除在时域注入的后门攻击模式；依次从深层特征图到浅层特征图级联融合语义信息，使整个学生模型的输出成为整体，从而在匹配教师模型特征图的过程中增加学生模型可学习到的语义信息并削弱可能存在的基于局部信息的攻击后门；对融合后的特征图使用注意力运算在相邻输出特征图层间利用深层高阶语义信息增强浅层语义信息密度，从而提高学生模型学习能力，可获得更高训练精度。本发明可在不可信来源预训练模型基础上学习获得高精度且可去除时域攻击后门与基于局部信息的攻击后门的学生模型。

本发明授权一种基于频域特征融合再构的模型后门攻击对抗方法在权利要求书中公布了：1.一种基于频域特征融合再构的模型后门攻击对抗方法，其步骤包括： 1挑选并初始化目标应用任务所属上级应用任务对应的一模型作为教师模型Mtea，获取所述教师模型Mtea的预训练模型权重对所述教师模型Mtea的参数权值进行覆盖；挑选并初始化一模型作为学生模型Mstu；所述学生模型Mstu的输出阶层数与所述教师模型Mtea一致； 2将目标应用任务数据集的一样本分别输入到教师模型Mtea和学生模型Mstu当中，得到教师模型Mtea的各中间层级输出的特征图构成的特征图集合Featstea以及教师模型Mtea最后一层输出的概率分布Logitstea，得到学生模型Mstu的各中间层级输出的特征图构成的特征图集合Featsstu以及得到学生模型Mstu最后一层输出的概率分布Logitsstu； 3从最深的中间层的上一层开始，将学生模型Mstu第l+1中间层输出的特征图Featsstu[l+1]与第l中间层输出的特征图Featsstu[l]进行尺寸对齐后共同输入到傅里叶卷积层中；所述傅里叶卷积层对特征图Featsstu[l+1]、Featsstu[l]转换到频域后进行信息融合，将Featsstu[l+1]包含的高阶语义信息注入融合到Featsstu[l]中得到第l中间层的全局频域特征图Fourierg[l]，以及利用Featsstu[l]中包含的细节语义信息对Featsstu[l+1]进行补充得到第l中间层的局部频域特征图Fourierl[l]，然后对Fourierg[l]与Fourierl[l]分别进行逆变换恢复到时域，得到第l中间层的全局时域特征图Fourierglobal[l]与第l中间层的局部时域特征图Fourierlocal[l]；然后利用自注意力机制对Fourierglobal[l]、Fourierlocal[l]进行全局语义信息注意力权重计算，得到自注意力特征图Featsattn[l]，并在下一级对第l-1层的处理中利用第l输出的局部时域特征图Fourierlocal[l]替换作为傅里叶卷积层输入中高阶语义信息的特征图集合Featsstu内第l-1中间层输出的特征图Featsstu[l-1]；其中l∈[1,L-1]，L为中间层的层数； 4对于特征图集合Featstea内每一特征图，将第l中间层输出的特征图Featstea[l]与对应的自注意力特征图Featsattn[l]进行对齐后，使用Kullback-Leible散度相互熵损失函数计算第l中间层的损失，然后对各中间层的损失进行求和得到损失值Distillloss；根据目标应用任务数据集中每一样本对应的Logitsstu与该样本对应的真实标签计算得到分类损失值Customloss； 5根据损失值Distillloss和损失值Customloss计算得到的总损失Totalloss优化所述学生模型Mstu； 6迭代重复步骤2-5直至所述学生模型Mstu收敛，得到去除潜在后门的安全模型。

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中国科学院软件研究所，其通讯地址为：100190 北京市海淀区中关村南四街4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。