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！

龙图腾网恭喜南京邮电大学申请的专利一种基于神经网络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：CN119785185B 。

龙图腾网通过国家知识产权局官网在2025-06-06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：202510289765.X，技术领域涉及：G06V10/82；该发明授权一种基于神经网络的对抗样本检测方法是由李云;唐健翔设计研发完成，并于2025-03-12向国家知识产权局提交的专利申请。

本一种基于神经网络的对抗样本检测方法在说明书摘要公布了：本发明涉及人工智能对抗领域，具体为一种基于神经网络的对抗样本检测方法，包括：利用对抗攻击算法攻击两种样本集得到对抗样本集，成为新的训练集和测试集；将输入样本所对应的循环样本输入到神经网络模型，得到各自生成的各层特征图经过平均池化层的特征矩阵；对经过平均池化层的特征矩阵分别计算各通道注意力权重并做加权处理得到特征矩阵；将加权处理得到的特征矩阵分别进行水平拼接得到特征向量；利用最大均值差异和核函数进行特征向量的一致性度量；获取一致性度量得到的特征差异向量，则输入特征差异向量到检测器模型中，输出标签0与1；通过对特征提取过程和特征一致性度量的优化，实现更高效的对抗样本检测。

本发明授权一种基于神经网络的对抗样本检测方法在权利要求书中公布了：1.一种基于神经网络的对抗样本检测方法，其特征在于：所述方法包括：S100、获取RGB彩色图像数据，形成数据集；将数据集划分为训练样本集和测试样本集，则以训练样本集作为输入训练神经网络模型f1；使用对抗攻击算法攻击上述两类样本集分别得到对抗训练样本集和对抗测试样本集，将测试样本集和对抗测试样本集再次划分为新的训练集和测试集；S200、以新的训练集作为输入样本x，通过循环一致性生成对抗网络CycleGAN，并寻找输入样本x所对应的循环样本S300、将输入样本所对应的循环样本输入到神经网络模型f1，得到各自生成的各层特征图经过平均池化层的特征矩阵[V1,V2,…,Vn]和S400、对经过平均池化层的特征矩阵分别计算各通道注意力权重并做加权处理得到特征矩阵[V'1,V'2,…,V′n]和S500、将加权处理得到的特征矩阵分别进行水平拼接得到特征向量V和S600、针对特征向量V和利用最大均值差异和核函数进行特征向量的一致性度量；S700、获取一致性度量得到的特征差异向量，则输入特征差异向量到检测器模型中，对正常样本与对抗样本所对应的特征差异向量分别输出标签0与1，标签1代表输入样本为对抗样本，反之为正常样本；所述S300，包括：S301、将两类循环样本划分为多个不重叠的patch，对每个patch进行线性投影和位置编码，则根据公式：得到投影和编码后的patch表示其中，E表示可学习的线性投影矩阵，xp表示输入patch，Epos表示位置编码矩阵；S302、通过Transformer编码器进行特征提取：基于Transformer编码器的多个层，则第l层的计算公式为： 其中，Q＝Wqzl-1，K＝Wkzl-1，V＝Wvzl-1；Wq、Wk和Wv表示是可学习的权重矩阵，dk表示键向量的维度；前馈神经网络计算公式为：FFNz＝max0,zW1+b1W2+b2；其中，W1、b1、W2、b2表示可学习的参数；第1层的输出为zl＝FFNAttentionzl-1+zl-1，通过多个层的堆叠得到最终的特征图Hl和S303、将特征图Hl和进行平均池化处理得到特征矩阵[V1,V2,…,Vn]和

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邮电大学，其通讯地址为：210003 江苏省南京市鼓楼区新模范马路66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”。