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！

龙图腾网获悉杭州电子科技大学申请的专利基于掩码自编码器的对抗环境下可验证鲁棒性优化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：CN119418155B 。

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：202411463375.1，技术领域涉及：G06V10/776；该发明授权基于掩码自编码器的对抗环境下可验证鲁棒性优化方法是由匡振中;赵沈杰;朱素果设计研发完成，并于2024-10-21向国家知识产权局提交的专利申请。

本基于掩码自编码器的对抗环境下可验证鲁棒性优化方法在说明书摘要公布了：本发明提出了一种基于掩码自编码器的对抗环境下可验证鲁棒性优化方法，包括如下步骤：首先，获取图像数据集并对数据集进行随机攻击和预处理；然后，对随机攻击后的数据集中的对抗样本进行分布边界曲率评估，并根据评估结果剔除可净化潜力低下的对抗样本；其次，使用掩码自编码器重构净化剔除后的对抗样本，得到净化样本；最后，对净化样本进行全局平滑优化提升全局代表性。该方法可以有效净化对抗攻击后的样本，并通过流程设计规避了净化模型是黑盒而无法理论证明的问题，而且还优化了随机平滑技术的诸多方法过程。

本发明授权基于掩码自编码器的对抗环境下可验证鲁棒性优化方法在权利要求书中公布了：1.一种基于掩码自编码器的对抗环境下可验证鲁棒性优化方法，其特征在于，包括如下步骤： 步骤1、获取图像数据集并对数据集进行随机攻击和预处理； 步骤2、对随机攻击后的数据集中的对抗样本进行分布边界曲率评估，并根据评估结果剔除可净化潜力低下的对抗样本； 所述步骤2中，使用一个预训练的分类网络BEiT进行对抗样本分布边界曲率评估； 所述分布边界曲率评估方法为： 首先，使用一个预先训练好的分类网络BEiT作为分类器E，分别在图像样本的不同强度为σ的L2范数球内采样； 对于每个噪声强度σ下的采样结果，用熵来量化采样范围内分布信息的混乱程度，所述熵表达式为： 其中，随机变量X表示当前计算的样本，pxi是随机变量X被分类器判断为不同标签的概率； 步骤3、使用掩码自编码器重构净化剔除后的对抗样本，得到净化样本； 包括如下子步骤： 步骤3-1、针对对抗样本，使用Grad-CAM技术来揭示卷积神经网络的决策过程，使用最后一层卷积层的激活图H以及通过反向传播得到的梯度c，结合梯度c和卷积层激活图H来计算加权特征图的和，从而得到一个类的激活映射 步骤3-2、采用一种基于激活映射的掩码策略来对对抗样本X进行分批掩码，每次掩码掉某一部分的对抗噪声及其他随机位置，得到掩码后的输入 步骤3-3、将掩码后的输入被送入预训练的掩码自编码器的编码器部分，将输入压缩成一个低维的潜在空间表示接着使用预训练的掩码自编码器的解码器部分进行重构，得到重构后的最后通过整合操作将还原为净化后的原图这意味着重构的patch被放置在原始图像的空间上下文中，以形成完整的图像； 步骤3-4、对所有分批重构的原图的数据分布进行像素级别的加权平均，得到最终净化后的图像 步骤4、对净化样本进行全局平滑优化提升全局代表性。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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。