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！

龙图腾网获悉浙江大学申请的专利一种无辅助数据依赖的鲁棒后门防御方法和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：CN119475331B 。

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：202411415976.5，技术领域涉及：G06F21/56；该发明授权一种无辅助数据依赖的鲁棒后门防御方法和系统是由纪守领;冯周;蒲誉文;陈佳豪;巫英才;王滨;许光全;王伟设计研发完成，并于2024-10-11向国家知识产权局提交的专利申请。

本一种无辅助数据依赖的鲁棒后门防御方法和系统在说明书摘要公布了：本发明公开了一种无辅助数据依赖的鲁棒后门防御方法和系统，属于深度学习模型安全和人工智能防御技术领域。本发明通过对抗扰动分析后门注入与样本污染之间的内在关系，从有毒数据集中初步隔离干净样本和污染样本；在选定的干净样本上进行反向学习和重新学习，训练得到增强中毒模型；通过增强中毒模型精确识别污染样本和干净样本，并基于干净样本进行模型训练，最终获得无后门的鲁棒模型，最后对污染样本重新标注并用于无后门的鲁棒模型的微调，进一步提升模型的鲁棒性。本发明不依赖任何辅助干净数据集，并能有效抵御多种后门攻击，同时保持模型的高精度。本发明填补了现有技术在无辅助数据条件下进行鲁棒后门防御模型训练的空缺。

本发明授权一种无辅助数据依赖的鲁棒后门防御方法和系统在权利要求书中公布了：1.一种无辅助数据依赖的鲁棒后门防御方法，其特征在于，包括以下步骤： 1获取带有潜在后门污染的有毒数据集，并初始化深度学习模型；所述有毒数据集为图像数据集，包含污染样本和干净样本，所述污染样本的标签为攻击目标类别，干净样本的标签为真实类别；所述深度学习模型以图像为输入，输出图像的预测类别； 2通过对抗扰动分析，利用初始化的深度学习模型识别有毒数据集中的潜在污染样本与干净样本，初步划分污染样本集和干净样本集； 3基于初步划分的污染样本集和干净样本集，进行中毒模型的重新学习与反向学习，训练得到增强中毒模型，并在训练过程不断更新污染样本集和干净样本集；所述中毒模型是由有毒数据集训练深度学习模型得到的； 4通过增强中毒模型，从步骤3更新得到的污染样本集中识别出干净样本并与步骤3更新得到的干净样本集合并，继续更新污染样本集和干净样本集，并利用更新后的干净样本集训练无后门的鲁棒模型； 5利用无后门的鲁棒模型重新标注步骤4更新得到的污染样本集，并将重新标注后的样本与步骤4更新得到的干净样本集合并，形成最终的干净样本集，利用最终的干净样本集微调无后门的鲁棒模型，完成鲁棒后门防御模型训练。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。