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！

龙图腾网获悉江西警察学院;南昌大学申请的专利一种融合对抗攻击防御机制的人脸原型重建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：CN120726704B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202511207127.5，技术领域涉及：G06V40/40；该发明授权一种融合对抗攻击防御机制的人脸原型重建方法及系统是由涂敏;庞孟;吴丹;罗娟;周崟涛;丁峰;张蓉;肖文;卢宇环;潘宇函设计研发完成，并于2025-08-27向国家知识产权局提交的专利申请。

本一种融合对抗攻击防御机制的人脸原型重建方法及系统在说明书摘要公布了：本发明公开了一种融合对抗攻击防御机制的人脸原型重建方法及系统，涉及计算机视觉技术领域，包括：首先构建包含生成器和判别器的原型重建生成对抗网络，并分别通过预设损失函数训练两者。随后搭建对抗攻击防御层，包括图像去噪网络层和矩阵估计层，前者对输入图像进行初步去噪，后者进一步优化得到目标去噪图像。通过计算目标去噪图像与原始图像的差异构建防御损失函数，并端到端训练防御层。最终，利用训练好的生成器、判别器和防御层处理输入人脸图像，生成人脸原型重建结果。本发明能够有效抑制对抗性攻击，以提升系统的安全性和鲁棒性。

本发明授权一种融合对抗攻击防御机制的人脸原型重建方法及系统在权利要求书中公布了：1.一种融合对抗攻击防御机制的人脸原型重建方法，其特征在于，包括： 构建原型重建生成对抗网络，所述对抗网络包括生成器和判别器； 分别基于预设的生成器损失函数、预设的判别器损失函数对所述生成器、所述判别器进行训练，对应获得训练好的生成器和训练好的判别器； 搭建对抗攻击防御层，所述对抗攻击防御层包括图像去噪网络层和矩阵估计层，所述图像去噪网络层用于对输入图像中的噪声进行去噪处理，以获得初始去噪图像，所述矩阵估计层用于对所述初始去噪图像再次进行去噪处理，以获得目标去噪图像；所述图像去噪网络层包括特征增强层、注意力层和残差重构层， 其中，所述特征增强层包括多层卷积层和跳跃连接层，前三层卷积层后均加有一层批归一化层和整流线性单元，所述跳跃连接将网络的输入图像与第四层卷积层的输出相连并拼接得到拼接特征，随后通过Tanh激活函数对所述拼接特征进行处理，以得到特征增强层的输出，表达式为： ； 其中，表示输入图像，表示特征增强层中的前三层卷积层，每一层后均加有批归一化层BN和整流线性单元ReLU；表示卷积层；表示将特征和特征拼接；表示Tanh激活函数，旨在更有效地传递训练梯度，使训练过程更加稳定；表示该特征增强层FEM的输出； 所述注意力层用于对所述特征增强层的输出内的噪声进行过滤，以获取增强噪声，表达式为： ； 其中，表示特征增强层FEM的输出特征，表示特征增强层FEM中第四个卷积层的输出特征，表示11卷积层，表示逐元素相乘操作，表示该注意力层AM的输出，即预测得到的噪声； 所述残差重构层用于通过跳跃连接将网络的输入图像与注意力层AM预测得到的噪声相连，实现输入图像与预测得到噪声的逐元素相减，从而重建去噪图像，表达式为： ； 其中，表示该去噪网络的输入图像，表示注意力层AM预测得到的噪声，表示逐元素相减操作，表示该残差重构层的输出，即图像去噪网络输出的去噪后图像； 基于所述目标去噪图像和原始图像之差构建对抗攻击防御损失函数； 基于所述对抗攻击防御损失函数，对所述对抗攻击防御层进行端到端训练，以获得训练好的对抗攻击防御层； 通过所述训练好的生成器、所述训练好的判别器、所述训练好的对抗攻击防御层，对预设的输入人脸图像进行处理，以生成人脸原型重建结果。

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江西警察学院;南昌大学，其通讯地址为：330000 江西省南昌市新建区梅岭大道1666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。