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！

龙图腾网获悉华南理工大学申请的专利图像分类场景下基于特征分布感知的对抗样本生成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：CN117973459B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202410221148.1，技术领域涉及：G06N3/0475；该发明授权图像分类场景下基于特征分布感知的对抗样本生成方法是由李家春;胡余超设计研发完成，并于2024-02-28向国家知识产权局提交的专利申请。

本图像分类场景下基于特征分布感知的对抗样本生成方法在说明书摘要公布了：本发明公开了一种图像分类场景下基于特征分布感知的对抗样本生成方法，包括：获取原始图像、具有大量重复几何图形的特征载体图像及待攻击的神经网络模型；获得原始图像的显著图；将显著图划分为显著区域与背景区域；将显著区域从原始图像中提取出来，并输入到待攻击的神经网络模型中计算特征权重图与聚合特征图；根据特征权重图与聚合特征图计算特征损失，并破坏显著图像中的特征信息，得到第一噪声图像；通过特征载体图像向原始图像中添加几何干扰特征，获得第二噪声图像，将第二噪声图像中显著图像对应的区域从图像中去除，获得第三噪声图像；将第一、三噪声图像拼接获得对抗样本。本发明能有效提高在常见对抗训练模型下的效果。

本发明授权图像分类场景下基于特征分布感知的对抗样本生成方法在权利要求书中公布了：1.图像分类场景下基于特征分布感知的对抗样本生成方法，其特征在于，包括以下步骤： S1、获取原始图像、具有大量重复几何图形的特征载体图像以及待攻击的神经网络模型； S2、将原始图像通过显著图划分方法，获得原始图像的显著图，根据预先设置的阈值，将显著图划分为显著区域与背景区域； S3、将显著区域按照显著区域提取方法从原始图像中提取出来，作为显著图像，并输入到待攻击的神经网络模型中计算特征权重图与聚合特征图； 特征权重图是为了衡量聚合特征图中每个特征值的重要程度，能够由如下公式描述： 式中，IAy表示待攻击的神经网络模型第y层的特征权重图；n表示计算次数；f表示待攻击的神经网络模型；fy表示待攻击的神经网络模型的第y层的特征图；x'表示归因算法中的参考图像，参考图像设置为像素值为全零的图像，大小与原始图像一致； 聚合特征图是为了缓解特征图中噪声特征的干扰，突出特征图中的类别相关的关键特征，其生成公式能够由下列公式描述： 式中，Dkxs表示第k次对显著图像进行数据增强的结果；fyDkxs表示经过Dkxs获得的增强特征图；m表示需要聚合的次数；AFMxs表示显著图像xs的聚合特征图； S4、根据步骤S3得到的特征权重图与聚合特征图来计算特征损失，并破坏显著图像中的特征信息，得到第一噪声图像； 特征损失的计算能够由下列公式描述： Ayxs,x'＝[AFMxs‑fyx']*IAy5式中，xs,x'表示从参考图像x'到显著图像xs的路径；Ayxs,x'表示路径xs,x'在待攻击的神经网络模型第y层的聚合特征损失；IAy表示特征权重图；AFMxs表示聚合特征图；fyx'表示待攻击的神经网络模型对于参考图像x'在第y层的特征图；xs表示从原始图像中提取的显著图像，x'表示归因算法中的参考图像，参考图像设置为像素值为全零的图像，大小与原始图像一致； S5、通过特征载体图像向原始图像中添加几何干扰特征，获得第二噪声图像，根据步骤S3得到的显著图像，将第二噪声图像中显著图像对应的区域从图像中去除，获得第三噪声图像； S6、将第一噪声图像与第三噪声图像进行拼接，即可获得对抗样本。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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。