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！

龙图腾网获悉浙江工业大学申请的专利基于模型权重变异和置信度距离的对抗样本检测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：CN115797747B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202211565742.X，技术领域涉及：G06V10/82；该发明授权基于模型权重变异和置信度距离的对抗样本检测方法是由陈晋音;陈若曦;金海波;郑海斌设计研发完成，并于2022-12-07向国家知识产权局提交的专利申请。

本基于模型权重变异和置信度距离的对抗样本检测方法在说明书摘要公布了：本发明公开了一种基于模型权重变异和置信度距离的对抗样本检测方法，包括选取图像数据集，并划分为训练集和测试集；将图像数据集对应输入神经网络模型进行训练直至达到预设的精度；对训练好的每个神经网络模型修改模型权重进行模型权重变异，得到变异模型，并按分类准确度进行筛选；将训练集中的良性样本和其对应的对抗样本遍历筛选后的变异模型，计算置信度距离，分别得到对抗样本置信度距离矩阵和良性样本置信度距离矩阵；构建二元分类器，将对抗样本置信度距离矩阵和良性样本置信度距离矩阵拼接作为二分类数据集，利用二分类数据集对二元分类器进行训练优化，直至达到预设的准确度；利用优化好的二元分类器区分对抗样本和良性样本。

本发明授权基于模型权重变异和置信度距离的对抗样本检测方法在权利要求书中公布了：1.一种基于模型权重变异和置信度距离的对抗样本检测方法，其特征在于，所述方法包括以下步骤： 1选取图像数据集，按类划分为训练集和测试集，并对图像数据集中的所有图片的类表进行独热编码预处理； 2将步骤1选取的图像数据集对应输入神经网络模型进行训练直至达到预设的精度； 3对步骤2训练好的每个神经网络模型修改模型权重进行模型权重变异，得到变异模型，并对变异模型按分类准确度进行筛选； 4将训练集中的良性样本和其对应的对抗样本遍历筛选后的变异模型，计算置信度距离，并进行拼接分别得到对抗样本置信度距离矩阵和良性样本置信度距离矩阵； 5构建二元分类器，将对抗样本置信度距离矩阵和良性样本置信度距离矩阵拼接作为二分类数据集，利用二分类数据集对二元分类器进行训练优化，直至达到预设的准确度；利用优化好的二元分类器区分对抗样本和良性样本； 其中，对步骤2训练好的每个神经网络模型修改模型权重进行模型权重变异，得到变异模型的过程包括： 将神经网络模型参数修改为θ+δ，损失函数修改为 具体地，对于步骤2训练好的一个神经网络模型，给定干净训练集神经网络模型的损失函数改为： 其中，神经网络模型参数θ满足 定义模型权重改变量δ为： δ＝-H-1g+η 其中，H为神经网络模型在干净数据集上损失函数的海森矩阵，即g为损失函数的一阶导数，即η～N0,1为满足标准正态分布的随机值； 对步骤2训练好每个神经网络模型修改模型权重进行模型权重变异：取步骤2训练好的一神经网络模型作为种子模型Ms，对其进行n次模型权重变异操作，得到n个变异模型Mm＝{M1,M2....,Mn}； 其中，模型权重改变量δ还需满足： 其中，||·||2表示向量的二范数，表示损失函数的改变量，o1表示高阶无穷小。

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工业大学，其通讯地址为：310014 浙江省杭州市下城区潮王路18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。