買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉哈爾濱工程大學申請的專利面向水聲智能偽裝的對抗樣本可解釋性研究方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115310513B 。

龍圖騰網通過國家知識產權局官網在2025-08-08發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210788764.6，技術領域涉及：G06F18/21；該發明授權面向水聲智能偽裝的對抗樣本可解釋性研究方法及系統是由張立國;田梓琳;尹晗琦;戚朋媛設計研發完成，并于2022-07-06向國家知識產權局提交的專利申請。

本面向水聲智能偽裝的對抗樣本可解釋性研究方法及系統在說明書摘要公布了：本發明公開了一種面向水聲智能偽裝的對抗樣本可解釋性研究方法及系統，屬于數字圖像處理技術和水聲信號處理技術領域，其中，該方法包括：從分析輸入樣本和輸出標簽在多維空間的分布方式入手，給出超平面對樣本空間的分割設定；基于對抗樣本與原始樣本之間的l0距離和l2距離分別證明對抗樣本的存在方式和構成原理,提高對抗樣本工作機制的透明度，確保能進行可信的人機交互、功能改進和參數調優。該方法為聲學智能偽裝技術實現邏輯閉環，保障我方設計者或操作者利用可解釋的對抗攻擊方法應對敵方的防御手段。

本發明授權面向水聲智能偽裝的對抗樣本可解釋性研究方法及系統在權利要求書中公布了：1.一種面向水聲智能偽裝的對抗樣本可解釋性研究方法，其特征在于，包括以下步驟： 步驟S1，分析輸入樣本和輸出標簽在多維空間的分布方式，以超平面對樣本空間分割設定； 步驟S2，基于對抗樣本與原始樣本之間的距離獲取對抗樣本； 步驟S3，基于對抗樣本與原始樣本之間的距離獲取局部最優解； 所述步驟S2具體包括： 步驟S201，在預設深度神經網絡的輸入端，給定任意兩個子空間C 1和C 2，且輸出標簽的有目標 無目標，樣本點、分別屬于兩個子空間C 1和C 2，設d為一n維向量，其中包含z個非零元素，則x和y的關系表示為，其中c為常系數，以在輸入端實現對抗樣本的擾動變化； 步驟S202，設預設深度神經網絡有r個激活函數，激活函數為每個輸入x∈輸出一個m維的實向量，將預設深度神經網絡看作一個→的分段線性映射，對于分屬兩個不同類和的輸入量x和y，有，，微調x中部分維度的值，使，且與y在網絡中有相同的置信度，作為對抗樣本被網絡分類為； 步驟S203，設輸入樣本x中允許z個分量做調整，其他分量保持原始值，將輸入維數從n降到z，將預設深度神經網絡理解為一個從z維輸入空間到m維輸出空間的分段線性映射，使用局部逆映射去查找折線所對應的輸入空間中唯一的像，即找到對抗樣本； 所述步驟S3具體包括： 步驟S301，分段線性化分類邊界，得到分界面，具體地，令擾動量，則最小擾動的約束條件為：分類邊界的連續函數，且，x∈C i，其中，為預設深度神經網絡輸出屬于類的置信度，為對抗樣本輸出的置信度最高類，即，表示與x屬于同一類，反之表示與x屬于不同類； 步驟S302，在分段線性化的分界面搜索局部最優解，完成對抗樣本的構成性解釋，具體地，對于任意的、分別有lx0和，l·為連續函數，陰影區域內的對抗樣本滿足，預設一個為對抗樣本的初始值，將擾動初始化為，逐步優化擾動的過程描述為找到且滿足的迭代過程，再設為沿著分類邊界在梯度方向上的投影，為在分類邊界上的投影，和相互正交，因此有，，調整的計算公式得局部最優解的迭代方程： ， 其中的上角標T為轉置，w為分段邊界函數lx=w T x+b的權重系數，作為迭代優化過程的學習率；當擾動量的l 2范數滿足收斂條件時且，獲得其局部最優解，完成對抗樣本的構建。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人哈爾濱工程大學，其通訊地址為：150000 黑龍江省哈爾濱市南崗區南通大街145號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。