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！

龙图腾网恭喜成都信息工程大学申请的专利基于量子模糊卷积神经网络的对抗样本检测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：CN115688883B 。

龙图腾网通过国家知识产权局官网在2025-04-18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：202211360816.6，技术领域涉及：G06N3/0464；该发明授权基于量子模糊卷积神经网络的对抗样本检测方法及系统是由张仕斌;黄晨猗设计研发完成，并于2022-11-02向国家知识产权局提交的专利申请。

本基于量子模糊卷积神经网络的对抗样本检测方法及系统在说明书摘要公布了：本发明属于对抗样本检测领域，公开了一种基于量子模糊卷积神经网络的对抗样本检测方法及系统，方法包括：将输入模型中的数据分别传入量子卷积神经网络和模糊神经网络中，将两种网络提取到的特征图通过融合层进行融合，融合层中的融合数据作为预测器输入，最后由预测器输出结果。本发明采用量子模型和模糊系统结合训练量子模糊卷积神经网络训练作为对抗样本检测方法，利用量子卷积神经网络特有的捕获数据全局属性和模糊系统处理不确定性的优势，一定程度上提高了检测率。不仅可以识别原有攻击方法生成的对抗样本，而且对采用同一攻击手段中不同超参数生成的对抗样本以及不同方法生成的对抗样本也有一定的预测和防御作用，模型泛化性优于一般模型。

本发明授权基于量子模糊卷积神经网络的对抗样本检测方法及系统在权利要求书中公布了：1.一种基于量子模糊卷积神经网络的对抗样本检测方法，其特征在于，所述基于量子模糊卷积神经网络的对抗样本检测方法，包括：步骤S1、数据集的获取和预处理；步骤S2、训练需要保护的量子分类器模型；步骤S3、对抗样本训练集生成；步骤S4、构建用于训练量子模糊卷积神经网络的对抗样本检测训练集；步骤S5、搭建量子模糊卷积神经网络模型；步骤S6、基于步骤S2中量子分类器模型进行量子模糊卷积神经网络训练，得到量子模糊卷积神经网络对抗样本检测模型；步骤S7、对抗样本测试集生成，构建用于测试量子模糊卷积神经网络的对抗样本检测测试集；步骤S8、基于步骤S7进行量子模糊卷积神经网络对抗样本检测模型性能测试；所述步骤S5中量子模糊卷积神经网络模型包括：输入层、模糊网络层、量子卷积神经网络、融合层和预测器，所述量子卷积神经网络由三部分构成：数据编码，变分量子线路以及测量操作；在经过数据编码后的量子数据会经过变分量子线路进行一系列的酉变换操作，变分量子线路中的量子线路通常由两个比特的量子电路块组成，这些给定的量子电路块构成量子卷积线路和量子池化线路，对线路中的所有量子比特进行测量操作获得量子线路中的数据；具体过程为：（1.1）将数据传进输入层，输入层将输入数据分别输入两个通道，一份传入模糊网络层，另一份传入量子卷积神经网络层；（1.2）在数据经过模糊网络层和量子卷积神经网络层处理之后，融合层会将来自模糊网络计算输出数据中的隶属度和量子卷积神经网络层输出的数据融合，合并后的数据将作为所述预测器输入；（1.3）所述预测器输出预测结果，输出为0则表明预测样本为正常样本，输出为1表明输入为对抗样本；对于输入量子卷积神经网络的数据，需要将输入的经典数据编码为量子态；将经典数据编码为量子态后，数据会通过变分量子线路进行一系列的酉变换；所述量子卷积神经网络层的电路结构，包括量子卷积层和量子池化层，当线路中剩余的量子比特较少时，采用量子全连接层对线路进行测量获得线路中的量子态信息；所述量子卷积层和所述池化层分别实现对输入数据的特征提取和降维；所述模糊网络层中，包含两个部分：模糊层和模糊规则层，所述输入数据与模糊网络层中的模糊层相连，模糊层为每个输入数据分配隶属度；模糊规则层对模糊层中输出的隶属度应用AND模糊逻辑，对于融合层，融合层的目的是将两者的输出结果结合确保捕获数据中的复杂结构和高级特征以更好地检测出对抗样本；所述预测器的电路结构，包含量子卷积层和量子池化层，线路最后通过测量量子态得到预测器中的量子线路的数据，最后利用全连接层接管量子比特的测量结果，最终得到结果。

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成都信息工程大学，其通讯地址为：610225 四川省成都市西南航空港经济开发区学府路一段24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”。