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！

龙图腾网获悉大连理工大学申请的专利面向图像分类的深度神经网络无数据普适对抗攻击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：CN117197532B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202310963827.1，技术领域涉及：G06V10/764；该发明授权面向图像分类的深度神经网络无数据普适对抗攻击方法是由侯刚;朱龙;孔维强;熊焕璋;秦月源设计研发完成，并于2023-08-02向国家知识产权局提交的专利申请。

本面向图像分类的深度神经网络无数据普适对抗攻击方法在说明书摘要公布了：本发明提供一种面向图像分类的深度神经网络无数据普适对抗攻击方法，包括：步骤1、得到不同置信度的类别印象；步骤2、扰动初始化；步骤3、将类别印象作为训练数据分批次输入至模型，得到原始数据在模型最后一个全连接层的输出向量；将同批次训练数据添加扰动后输入至模型，得到扰动后数据在模型最后一个全连接层的输出向量；计算添加扰动前后该批次训练数据输出向量间的余弦相似度均值，得到损失值和梯度信息，交由优化器对扰动进行更新；步骤4、验证攻击效果；步骤5、输出扰动向量并可视化。本发明能够消除对训练数据的依赖，并高效率地生成普适对抗扰动。

本发明授权面向图像分类的深度神经网络无数据普适对抗攻击方法在权利要求书中公布了：1.一种面向图像分类的深度神经网络无数据普适对抗攻击方法，其特征步骤包括： 步骤1、生成类别印象：利用模型的梯度对原始输入图片进行迭代更新，得到不同置信度的类别印象； 步骤2、扰动初始化：将初始扰动设置为与输入图片数据同维度的零向量； 步骤3、通过最小化输出向量的余弦相似度进行对抗攻击：将类别印象作为训练数据分批次输入至模型，得到原始数据在模型最后一个全连接层的输出向量；将同批次训练数据添加扰动后输入至模型，得到扰动后数据在模型最后一个全连接层的输出向量；计算添加扰动前后该批次训练数据输出向量间的余弦相似度均值，得到损失值和梯度信息，交由优化器对扰动进行更新； 步骤4、验证攻击效果：将扰动添加至测试集样本图片中，经模型分类后与添加扰动前的分类结果不同即为攻击成功；统计攻击成功的样本占总体样本的比例，即愚弄率，若愚弄率达到设定阈值，执行步骤5；若愚弄率未达到设定阈值，循环执行步骤3和步骤4，直到达到设定的迭代上限； 步骤5、输出扰动向量并可视化； 所述步骤1的具体实现方法为： 步骤1.1、随机初始化原始图片作为模型的输入，为该图片设置一个真值标签； 步骤1.2、将置信度区间划分为[55,65]，[65,75]，[75,85]，[85,95]，模拟模型对同类别不同分类难度的样本； 步骤1.3、用交叉熵损失衡量原始图片的分类结果与其真值标签的误差，得到损失值； 步骤1.4、损失值对输入求导得到梯度信息，使用ADAM优化器更新原始图片并将更新后的图片输入至模型，若该图片真值标签所属类别的置信度在步骤1.2所述区间中，停止更新并保存，该图片即为类别印象；否则迭代将图片输入至模型，利用梯度信息更新图片，直到该图片置信度落在步骤1.2所述区间中。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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。