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！

龙图腾网获悉香港中文大学(深圳);深圳市大数据研究院;清华大学深圳国际研究生院申请的专利一种基于元学习的黑盒攻击方法、终端设备及存储介质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：CN115063652B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202210684615.5，技术领域涉及：G06V10/776；该发明授权一种基于元学习的黑盒攻击方法、终端设备及存储介质是由吴保元;印飞;张勇;杨余久;樊艳波;冯岩设计研发完成，并于2022-06-17向国家知识产权局提交的专利申请。

本一种基于元学习的黑盒攻击方法、终端设备及存储介质在说明书摘要公布了：本发明公开了一种基于元学习的黑盒攻击方法、终端设备及存储介质，其中方法包括获取待攻击任务，待攻击任务中包括待攻击图像和待攻击目标模型；将待攻击图像输入至训练好的生成模型中，生成待攻击图像对应的对抗扰动；将对抗扰动添加至待攻击图像上，得到对抗样本，利用对抗样本攻击待攻击目标模型，实现黑盒攻击。本发明是一种基于条件分布生成攻击的黑盒攻击算法，其利用元学习策略学习生成对抗样本任务之间的关系先验，帮助学习先验的生成模型快速适应新任务，生成新的对抗样本；且本发明从元学习的角度引入了样本对抗迁移性的概念，其是一种结合样本对抗迁移性和模型对抗迁移性提升黑盒攻击场景下的攻击效率的方法。

本发明授权一种基于元学习的黑盒攻击方法、终端设备及存储介质在权利要求书中公布了：1.一种基于元学习的黑盒攻击方法，其特征在于，包括： 获取待攻击任务，所述待攻击任务中包括待攻击图像和待攻击目标模型； 将所述待攻击图像输入至利用元学习方法训练好的生成模型中，生成所述待攻击图像对应的对抗扰动； 将所述对抗扰动添加至所述待攻击图像上，得到对抗样本，利用所述对抗样本攻击所述待攻击目标模型，实现黑盒攻击； 所述生成模型的训练过程具体包括： 获取第一训练样本，利用所述第一训练样本优化生成模型中的参数；所述第一训练样本包括多个训练任务，每个所述训练任务中包括第一训练图像和所述第一训练图像对应的第一对抗扰动； 利用元学习方法对优化后的生成模型的参数进行更新，得到训练好的生成模型，具体包括： 获取第二训练样本，所述第二训练样本包括多个训练任务，每个所述训练任务中包括第二训练图像和与每幅所述第二训练图像对应的第二目标模型的第二替代模型； 将所述第二训练图像输入至优化参数后的所述生成模型中，得到所述第二训练图像对应的第二对抗扰动； 将所述第二对抗扰动添加至对应的所述第二训练图像上，得到训练用对抗样本，利用所述训练用对抗样本攻击对应的所述第二替代模型，获取所述第二替代模型中的对抗损失函数； 根据所述对抗损失函数，结合元学习方法对优化后的生成模型的参数进行更新，得到训练好的生成模型。

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香港中文大学(深圳);深圳市大数据研究院;清华大学深圳国际研究生院，其通讯地址为：518172 广东省深圳市龙岗区龙翔大道2001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”。