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！

龙图腾网获悉齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心)申请的专利扰动方向与位置协同约束的时序对抗样本生成方法及系统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：CN121524964B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202610055524.3，技术领域涉及：G06F18/25；该发明授权扰动方向与位置协同约束的时序对抗样本生成方法及系统是由徐丽娟;刁成彩;赵大伟;李鑫;仝丰华;陈川设计研发完成，并于2026-01-16向国家知识产权局提交的专利申请。

本扰动方向与位置协同约束的时序对抗样本生成方法及系统在说明书摘要公布了：本发明公开了一种扰动方向与位置协同约束的时序对抗样本生成方法及系统，属于人工智能与机器学习安全技术领域，包括：获取电力设备监测的多变量时间序列数据并预处理，构建包含多种时间序列预测模型的模型集合，选定若干代理模型；对时序数据进行傅里叶变换与连续小波变换相结合的时频分析，构建时频显著性掩码；将时序数据输入各代理模型，分别计算预测误差与输入梯度，得到各代理模型的敏感度向量，经时频显著性掩码融合生成个性化掩码，并行计算各代理模型的梯度，经加权融合后施加个性化掩码约束，得到共识梯度方向；引入动量约束的迭代更新机制，不断迭代累积梯度以更新动量项和对抗样本，直至满足预设条件，输出最终的对抗样本。

本发明授权扰动方向与位置协同约束的时序对抗样本生成方法及系统在权利要求书中公布了：1.一种扰动方向与位置协同约束的时序对抗样本生成方法，其特征在于，包括： 获取电力设备监测的原始多变量时间序列数据并预处理，构建包含多种时间序列预测模型的模型集合，选定若干代理模型； 对预处理后的时序数据进行傅里叶变换与连续小波变换相结合的时频分析，提取显著能量区域，构建时频显著性掩码； 将预处理后的时序数据输入各代理模型，分别计算预测误差与输入梯度，得到各代理模型的敏感度向量，经加权融合后再与时频显著性掩码融合，生成个性化掩码，并行计算各代理模型的梯度，经加权融合后施加个性化掩码约束，得到共识梯度方向； 引入动量约束的迭代更新机制，不断迭代累计梯度以更新动量项和对抗样本，直至满足预设条件，输出最终的对抗样本； 其中，时频显著性掩码的构建，包括： 对预处理后的电力时序数据进行快速傅里叶变换，得到周期能量谱，筛选能量幅值最高的前K个显著周期；所述预处理包括标准化处理与窗口化划分； 对预处理后的电力时序数据进行连续小波变换，获得能量分布矩阵，提取各显著周期对应的能量曲线； 基于每一显著周期的能量曲线，根据能量序列的均值与标准差确定动态阈值，识别能量高于阈值的连续时间区间，并计算融合能量强度与持续时长的综合评分； 融合不同显著周期间的重叠区间并重新计算综合评分，筛选覆盖总能量预设比例的最小数量区间，根据筛选得到的区间集合构建时域显著性掩码，经高斯平滑与归一化处理，得到时频显著性掩码； 敏感度向量的获取过程，包括： 将预处理后的电力时序数据分别输入各代理模型，获取对应输出的预测值，计算预测值与真实值的均方误差； 针对每一代理模型，分别采用残差敏感度法与梯度敏感度法，计算得到两类敏感度指标，利用平衡系数加权融合两类指标，获取单模型的综合敏感度，经归一化处理后得到敏感度向量；其中，采用残差敏感度法计算敏感度指标，为：计算各时间步预测残差的绝对值，得到基于预测偏差的残差敏感度指标值；采用梯度敏感度法计算敏感度指标，为：通过反向传播获取损失函数对输入的偏导数，取范数作为梯度敏感度指标值； 基于各代理模型的验证集预测性能指标，计算置信度权重，根据置信度权重加权融合所有代理模型的敏感度向量，最终得到全局模型的敏感度向量； 扰动位置与方向协同确定，包括： 基于时频显著性向量与各代理模型的敏感度向量，分别进行加权融合，生成个性化掩码； 根据代理模型的置信度权重对各个性化掩码进行加权集成，得到全局共识掩码以确定扰动位置，再对全局共识掩码进行阈值稀疏化处理； 计算各代理模型的输入梯度并归一化，根据代理模型的置信度权重对各梯度进行加权融合，对融合梯度施加阈值稀疏化处理后的全局共识掩码约束，经归一化后得到共识梯度方向以确定扰动方向。

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齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心)，其通讯地址为：250000 山东省济南市长清区大学路3501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。