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！

龙图腾网获悉南京航空航天大学申请的专利一种面向深度脑电身份认证模型的鲁棒性的评估和增强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：CN116541700B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202310252058.4，技术领域涉及：G06F18/214；该发明授权一种面向深度脑电身份认证模型的鲁棒性的评估和增强方法是由张道强;徐智尖设计研发完成，并于2023-03-16向国家知识产权局提交的专利申请。

本一种面向深度脑电身份认证模型的鲁棒性的评估和增强方法在说明书摘要公布了：本发明公开了一种面向深度脑电身份认证模型的鲁棒性的评估和增强方法。属于生物医学工程领域；其操作步骤：对公开的脑电信号进行去噪、滤波和伪迹去除等操作，得到预处理后的高质量脑电信号；利用白盒攻击中的梯度攻击和优化攻击方法计算出对抗扰动后，加在原始脑电信号上生成对抗样本；把对抗样本输入到网络模型中后，评估攻击后的网络模型分类性能；在原始样本和对抗样本中采用线性插值的数据混合方法，生成中间域的对抗样本；采用中间样本和对抗样本同时对网络对抗训练，提高网络对扰动的识别能力并增强鲁棒性。本发明所述的方法即利用白盒攻击评估了网络的鲁棒性，又提出了一种混合数据对抗训练增强防御机制，在一定程度上提高了模型的鲁棒性。

本发明授权一种面向深度脑电身份认证模型的鲁棒性的评估和增强方法在权利要求书中公布了：1.一种面向深度脑电身份认证模型的鲁棒性的评估和增强方法，其特征在于，其具体操作步骤； 步骤1、对公开数据集中的脑电信号进行去噪、滤波和伪迹去除操作，从而得到预处理后的高质量脑电信号； 步骤2、利用白盒攻击中的梯度攻击和优化攻击方法计算出对抗扰动后，加在原始脑电信号上生成对抗样本； 步骤3、把对抗样本输入到网络模型中后，评估攻击后的网络模型分类性能； 步骤4、在原始样本和对抗样本中采用线性插值的数据混合方法，生成中间域的对抗样本； 所述的数据混合方法，是在原始样本和对抗样本中随机选择两个样本，并按比例混合生成新的样本，同时对数据标签也按照相同比例混合后生成新的标签； 步骤5、采用中间样本和对抗样本同时对网络对抗训练，提高网络对扰动的识别能力并增强鲁棒性； 具体的，对抗训练把生成的对抗样本添加到训练数据集中，模型在重新训练的过程中可以先学习一遍对抗样本从而对其有更好的辨别性； 对抗训练最大化扰动的同时最小化期望风险，本质上是一个最大最小化问题： 其中，θ表示模型参数，n表示训练样本的个数，f表示模型分类器，xadv表示对抗样本，y为样本正确标签；在计算损失时根据样本的不同比例赋予不同的权重；将损失值定义为原始空间和混合数据空间的交叉熵之和，即： L＝λL1+1-λL2 L1＝Lcfcatx,xadv,caty,yadv 其中，cat为拼接操作，把原始样本和对抗样本一起训练。

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南京航空航天大学，其通讯地址为：211106 江苏省南京市秦淮区御道街29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。