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！

龙图腾网获悉集美大学申请的专利生成不可感知的三维点云对抗样本的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：CN120893479B 。

龙图腾网通过国家知识产权局官网在2026-01-09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：202511421664.X，技术领域涉及：G06N3/0464；该发明授权生成不可感知的三维点云对抗样本的方法是由刘伟权;孙宴文;萧诗佳;沈晓影;程超智;黄敏;苏锦河;王宗跃;蔡国榕设计研发完成，并于2025-09-30向国家知识产权局提交的专利申请。

本生成不可感知的三维点云对抗样本的方法在说明书摘要公布了：本发明提供一种生成不可感知的三维点云对抗样本的方法，包括以下迭代优化过程：基于目标模型对当前点云的语义梯度反馈及所述点云的几何属性，通过可学习的显著性预测模型动态确定点云中每个点的归一化显著性得分；通过基于分位数阈值与sigmoid门控函数的映射规则自适应分配用于调制扰动的逐点连续权重；利用所述逐点连续权重对一可学习扰动潜变量进行调制，生成当前迭代的对抗点云；总损失函数包括引导错误分类的分类损失项、限制扰动幅度的结构保持损失项，以及维持几何一致性的距离损失项；基于所述总损失函数，通过梯度反向传播同步优化参数，实现端到端可微分训练；重复上述过程直至满足预设终止条件，并输出最终的三维点云对抗样本。

本发明授权生成不可感知的三维点云对抗样本的方法在权利要求书中公布了：1.一种生成不可感知的三维点云对抗样本的方法，其特征在于，包括以下迭代优化过程： 基于目标模型对当前点云的语义梯度反馈及所述点云的几何属性，通过可学习的显著性预测模型动态确定点云中每个点的归一化显著性得分； 根据所述归一化显著性得分，通过基于分位数阈值与sigmoid门控函数的映射规则自适应分配用于调制扰动的逐点连续权重，以实现对扰动强度的细粒度控制； 利用所述逐点连续权重对一可学习扰动潜变量进行调制，生成当前迭代的对抗点云； 确定一总损失函数，所述总损失函数包括引导错误分类的分类损失项、限制扰动幅度的结构保持损失项，以及维持几何一致性的距离损失项； 根据攻击迭代进度，动态调整所述总损失函数中各损失项间的权重平衡，以兼顾攻击成功率与对抗样本的不可感知性； 基于所述总损失函数，通过梯度反向传播同步优化所述可学习扰动潜变量与所述显著性预测模型的参数，实现端到端可微分训练； 重复上述过程直至满足预设终止条件，并输出最终的三维点云对抗样本； 所述基于分位数阈值与sigmoid门控函数的映射规则包括： 对所有点的归一化显著性得分进行统计，通过分位数函数筛选出低显著性阈值和高显著性阈值，其中，低于低显著性阈值的得分占比为超参数q，低于高显著性阈值的得分占比为超参数q'； 针对每个点的归一化显著性得分，通过sigmoid函数分别计算中显著性门控值和高显著性门控值，门控值的大小由得分与对应阈值的差值及控制过渡锐度的参数共同决定，差值越大、过渡锐度参数越大，门控值越接近1； 结合预先设定至少包括对应第一、第二、第三显著性区域的多档位扰动系数，将第二、第三显著性门控值分别与对应档位系数的差值相乘，再与对应最低档位的第一系数相加，得到每个点的逐点连续权重。

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集美大学，其通讯地址为：361021 福建省厦门市集美区银江路185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。