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！

龙图腾网恭喜南京信息工程大学申请的专利一种用于模型授权访问控制的黑盒可逆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：CN114708136B 。

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：202210300547.8，技术领域涉及：G06V10/774；该发明授权一种用于模型授权访问控制的黑盒可逆对抗样本生成方法是由熊礼治;吴悦设计研发完成，并于2022-03-24向国家知识产权局提交的专利申请。

本一种用于模型授权访问控制的黑盒可逆对抗样本生成方法在说明书摘要公布了：本发明公开了一种用于模型授权访问控制的黑盒可逆对抗样本生成方法，包括以下步骤：1基于生成对抗网络获取原始图像的对抗扰动，将生成的初步扰动进行截断生成对抗样本；2对步骤1中生成的对抗扰动进行预处理变换，生成新的对抗扰动和对抗样本；3对步骤2中生成的新的对抗扰动进行无损压缩，生成无损压缩后的对抗扰动；4将步骤3中生成的无损压缩后的对抗扰动的数据通过可逆数据隐藏技术将其嵌入到步骤2中生成的对抗样本，得到可逆对抗样本。本发明应用于AI模型的授权访问控制，保护授权模型对图像数据的合法使用。以黑盒的形式生成可逆对抗样本，相比现有的对抗样本方案，计算复杂度更低，性能也更好。

本发明授权一种用于模型授权访问控制的黑盒可逆对抗样本生成方法在权利要求书中公布了：1.一种用于模型授权访问控制的黑盒可逆对抗样本生成方法，其特征在于，包括以下步骤：1基于生成对抗网络获取原始图像的对抗扰动，将生成的对抗扰动进行截断生成对抗样本；2对步骤1中生成的对抗扰动进行预处理变换，生成新的对抗扰动和对抗样本；3对步骤2中生成的新的对抗扰动进行无损压缩，生成无损压缩后的对抗扰动；4将步骤3中生成的无损压缩后的对抗扰动的数据通过可逆数据隐藏技术将其嵌入到步骤2中生成的对抗样本，得到可逆对抗样本；所述生成对抗网络的训练方法具体包括：1设计扰动损失Lnoise来约束生成对抗扰动Mnoise的大小，扰动损失表示如下：Lnoise＝MSELossMnoise,Matrixzero其中，Matrixzero表示元素皆为0的矩阵，MSELoss表示均方误差损失；2设计分类损失Lclassify公式如下： 3设计一个二进制交叉熵损失作为对抗训练中的对抗损失Ladv，公式如下： 生成对抗网络的总损失函数L表示如下：L＝Ladv+λ1*Lclassify+λ2*Lnoise其中，权重λ1的值设置为0.005，权重λ2的值设置为1。

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南京信息工程大学，其通讯地址为：224002 江苏省盐城市盐南高新区新河街道文港南路105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”。