買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉廣東工業(yè)大學(xué)申請(qǐng)的專利一種基于GAN的非限制性對(duì)抗樣本生成方法和系統(tǒng)獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN115984645B 。

龍圖騰網(wǎng)通過國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-12發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202211625755.1，技術(shù)領(lǐng)域涉及：G06V10/774；該發(fā)明授權(quán)一種基于GAN的非限制性對(duì)抗樣本生成方法和系統(tǒng)是由凌捷;鄧詩(shī)蕓;羅玉設(shè)計(jì)研發(fā)完成，并于2022-12-16向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于GAN的非限制性對(duì)抗樣本生成方法和系統(tǒng)在說明書摘要公布了：本發(fā)明提供一種基于GAN的非限制性對(duì)抗樣本生成方法和系統(tǒng)，涉及人工智能安全技術(shù)領(lǐng)域，包括：獲取初始輸入圖像和目標(biāo)圖像并進(jìn)行預(yù)處理；將預(yù)處理后的初始輸入圖像輸入GAN神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行訓(xùn)練，利用編碼器將預(yù)處理后的初始輸入圖像和目標(biāo)圖像編碼到隱空間，并對(duì)獲得的隱向量進(jìn)行正則化；將正則化后目標(biāo)圖像的隱向量作為對(duì)抗樣本隱向量的初始值，構(gòu)建對(duì)抗樣本相似度目標(biāo)函數(shù)并在隱空間迭代更新，獲得待生成對(duì)抗樣本的隱向量；將待生成對(duì)抗樣本的隱向量輸入優(yōu)化后的GAN神經(jīng)網(wǎng)絡(luò)模型中生成對(duì)抗樣本；本發(fā)明利用更新隱空間的隱向量和生成器網(wǎng)絡(luò)G來生成非限制性對(duì)抗樣本，保障了對(duì)抗樣本的自然性，提高了非限制性對(duì)抗樣本的生成效率和攻擊成功率。

本發(fā)明授權(quán)一種基于GAN的非限制性對(duì)抗樣本生成方法和系統(tǒng)在權(quán)利要求書中公布了：1.一種基于GAN的非限制性對(duì)抗樣本生成方法，其特征在于，包括以下步驟： S1：獲取初始輸入圖像和目標(biāo)圖像，并對(duì)初始輸入圖像進(jìn)行預(yù)處理，獲得預(yù)處理后的初始輸入圖像； S2：將預(yù)處理后的初始輸入圖像輸入預(yù)設(shè)的GAN神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行訓(xùn)練，獲得優(yōu)化后的GAN神經(jīng)網(wǎng)絡(luò)模型； S3：利用編碼器將預(yù)處理后的初始輸入圖像和目標(biāo)圖像編碼到隱空間，獲得初始輸入圖像的隱向量和目標(biāo)圖像的隱向量，并對(duì)初始輸入圖像的隱向量和目標(biāo)圖像的隱向量進(jìn)行正則化； S4：將正則化后的目標(biāo)圖像的隱向量作為對(duì)抗樣本的隱向量的初始值，構(gòu)建對(duì)抗樣本相似度目標(biāo)函數(shù)，在隱空間利用正則化后的初始輸入圖像的隱向量迭代更新對(duì)抗樣本的隱向量，獲得待生成對(duì)抗樣本的隱向量； 所構(gòu)建的對(duì)抗樣本相似度目標(biāo)函數(shù)具體為： 用歐氏距離來衡量?jī)蓚€(gè)向量之間的相似程度，以使對(duì)抗樣本被預(yù)測(cè)為目標(biāo)類別的同時(shí)，使正則化后的初始輸入圖像的隱向量和對(duì)抗樣本的隱向量之間的歐氏距離最小為目標(biāo)，構(gòu)建以下對(duì)抗樣本相似度目標(biāo)函數(shù)： 其中，表示正則化后的初始輸入圖像的隱向量和對(duì)抗樣本的隱向量之間的歐氏距離，對(duì)抗樣本的隱向量的初始值為目標(biāo)圖像的隱向量；約束表示對(duì)抗樣本被預(yù)測(cè)為目標(biāo)類別； 在隱空間利用正則化后的初始輸入圖像的隱向量迭代更新對(duì)抗樣本的隱向量，獲得待生成對(duì)抗樣本的隱向量，具體方法為： S4.1：在第t次迭代中，利用正則化后的初始輸入圖像的隱向量，在隱空間通過二分搜索的方法對(duì)對(duì)抗樣本的隱向量進(jìn)行邊界搜索，獲得第t次迭代到達(dá)邊界處的對(duì)抗樣本的隱向量，并計(jì)算第t次迭代的擾動(dòng)大小； S4.2：采用蒙特卡洛方法來進(jìn)行梯度方向估計(jì)，沿梯度方向迭代更新第t次迭代的步長(zhǎng)； S4.3：根據(jù)第t次迭代的擾動(dòng)大小和第t次迭代的步長(zhǎng)更新第t次迭代到達(dá)邊界處的對(duì)抗樣本的隱向量，獲得第t次迭代更新后的對(duì)抗樣本的隱向量，并計(jì)算第t次迭代更新后的對(duì)抗樣本的隱向量與正則化后的初始輸入圖像的隱向量之間的歐氏距離； S4.4：判斷迭代次數(shù)t是否小于預(yù)設(shè)閾值T，當(dāng)?shù)螖?shù)t小于預(yù)設(shè)閾值T時(shí)，則重復(fù)步驟S4.1~S4.3，否則，輸出歐氏距離最小的更新后的對(duì)抗樣本的隱向量，作為待生成對(duì)抗樣本的隱向量； S5：將待生成對(duì)抗樣本的隱向量輸入優(yōu)化后的GAN神經(jīng)網(wǎng)絡(luò)模型中，獲得對(duì)抗樣本。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人廣東工業(yè)大學(xué)，其通訊地址為：510060 廣東省廣州市越秀區(qū)東風(fēng)東路729號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。