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！

龙图腾网获悉南京邮电大学申请的专利一种面向任务安全的语义通信系统设计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：CN120111549B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202510586416.4，技术领域涉及：H04W24/06；该发明授权一种面向任务安全的语义通信系统设计方法是由胡晗;童凯;郭永安;蔡艳;郑淦设计研发完成，并于2025-05-08向国家知识产权局提交的专利申请。

本一种面向任务安全的语义通信系统设计方法在说明书摘要公布了：本发明公开一种面向任务安全的语义通信系统设计方法，涉及通信技术领域，其实现步骤是：数据集采集，并将数据集分为训练集和测试集；数据预处理；构建信道环境，设计安全语义通信系统相关传输架构，包括发送端，接收端和窃听端；联合预训练构建的安全语义通信系统；加载预训练的参数模型，用生成对抗网络损失函数和安全语义特征损失函数微调训练模型；测试集数据输入网络；输出结果并验证模型的有效性。本发明利用生成对抗网络和安全语义特征损失函数降低了窃听端的图像重建质量和分类准确率，从语义角度确保了下游AI任务的性能安全，拓展了语义通信在窃听场景下的应用。

本发明授权一种面向任务安全的语义通信系统设计方法在权利要求书中公布了：1.一种面向任务安全的语义通信系统设计方法，其特征在于，包括： S1、获取图像数据集，并将数据集划分为训练集和测试集，并分别对训练集和测试集中图像进行数据预处理； S2、构建信道环境，设计由发送端、接收端和窃听端的传输架构构成的语义通信模型；所述由发送端、接收端和窃听端的传输架构构成的语义通信模型被构建为： 发送端的图像经过语义编码和信道编码后，输出特征图，特征图经过生成网络添加扰动，添加扰动后特征图维度保持不变，表示为： ； 其中，为语义编码器，为输入图像，为语义编码器的神经网络参数：为信道编码器，为信道编码器的神经网络参数；为生成网络，为生成网络的神经网络参数； 随后输入信号经过构建的AWGN信道传输，接收端和窃听端接收的信号分别表示为： ； ； 其中，和分别表示接收端和窃听端接收到的信号，是信道的输入信号，和分别表示接收端和窃听端的独立同分布的高斯噪声； 接收端和窃听端接收到的信号经过信道解码器和语义解码器重建图像，图像重建过程表示为： ； ； 其中，和分别为接收端重建图像和窃听端重建图像；和分别为信道解码器和语义解码器，和分别为接收端和窃听端信道解码器的神经网络参数，和分别为接收端和窃听端语义解码器的神经网络参数； S3、利用训练集联合预训练构建的语义通信模型； S4、加载预训练完成的语义通信模型，利用安全语义特征损失函数对所述语义通信模型进行参数微调；具体包括： 对发送端的语义编码器和信道编码器，以及接收端和窃听端的语义解码器和信道解码器，使用安全语义特征损失函数进行微调； 在以分类任务作为下游AI任务时，将原始图像，接收端和窃听端重建图像分别输入特征提取网络，该特征提取网络事先经过分类任务预训练，安全语义特征损失函数表示为： ； 其中，为第张原始图像的第个特征图，和分别为第张接收端重建图像和第张窃听端重建图像的第个特征图，是控制平衡的任务权重，是每个批次的数据量； 所述语义通信模型的接收端具有与发送端的生成网络对应的判别网络，步骤S2中在接收端和窃听端接收到的信号经过信道解码器和语义解码器重建图像后，将重建图像输入到接收端的判别网络，联合生成网络进行对抗训练； 对发送端的生成网络和接收端的判别网络，使用生成对抗网络损失函数进行联合训练； 生成对抗网络损失函数表示为： ； ； 其中，为生成网络的损失函数，为判别网络的损失函数，表示判别网络，为判别网络的神经网络参数，为取均值操作，为正则化项的超参数，为用于限制扰动幅度的范数； S5、通过测试集验证训练完成的语义通信模型的有效性，得到面向任务安全的语义通信系统。

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”。