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！

龙图腾网恭喜南京大学申请的专利基于目标检测模型特征向量迁移的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：CN114549933B 。

龙图腾网通过国家知识产权局官网在2025-04-25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：202210160129.3，技术领域涉及：G06V10/774；该发明授权基于目标检测模型特征向量迁移的对抗样本生成方法是由毛云龙;袁新雨;华景煜;仲盛设计研发完成，并于2022-02-21向国家知识产权局提交的专利申请。

本基于目标检测模型特征向量迁移的对抗样本生成方法在说明书摘要公布了：本发明公开了一种基于目标检测模型特征向量迁移的对抗样本生成方法，包括如下步骤：步骤S1、卷积神经网络特征向量迁移；步骤S2、对抗噪声的生成，步骤S3、对抗样本攻击效果评估。本发明对抗样本在目标检测等深度学习模型中攻击效果更强，并且在兼顾攻击隐蔽性的前提下具备更好的可迁移性。本发明对抗样本生成方法揭示了特征向量在目标检测模型的对抗机制中发挥的重要作用，验证了本发明所述的对抗样本的攻击威胁，能够启发探索鲁棒性目标检测算法领域的研究，以此设计出新的防御机制，对于目标检测模型在实际生活中的应用有着重要意义。

本发明授权基于目标检测模型特征向量迁移的对抗样本生成方法在权利要求书中公布了：1.一种基于目标检测模型特征向量迁移的对抗样本生成方法，其特征在于，包括如下步骤：步骤S1、卷积神经网络特征向量迁移；所述卷积神经网络特征向量迁移包括如下步骤：S101、卷积神经网络特征的提取与融合；从颈部网络提取出特征向量其中，ω为目标检测模型的颈部网络每一层的参数，x为对应每层的输入，k为为神经网络层序号；S102、目标特征向量的构造；构造的目标特征向量 其中，θ为目标检测模型中检测头，J为攻击者的攻击目标对应的损失函数；S103、目标特征向量的迁移；抽取图像样本中目标物体i对应真实物体的特征向量中的关键区域信息计算提取关键区域信息后的标准差之和，即损失函数： 步骤S2、对抗噪声的生成，所述对抗噪声的生成步骤包括：S201、随机初始化首先，将所有的原始图像样本X进行归一化处理，取值范围为[-1,1]；然后，生成一个随机的初始化噪声Z：Z～N0,0.1；其中N0,0.1表示均值为0，标准差为0.1的正态分布；最后，生成初始的对抗样本S202、计算目标检测模型对应的梯度根据目标损失函数L计算目标检测模型对应的梯度g： 其中，为当前生成的对抗样本，θ目标检测模型的参数张量；S203、裁剪梯度获得对抗噪声将梯度的最值约束在单次迭代的最大扰动阈值范围内，需要对计算得到的梯度进行裁剪，计算公式如下： 其中，i表示第i轮梯度迭代，γ为每一步梯度迭代的最大扰动阈值；S204、更新对抗样本将步骤S203生成的噪声Ni添加至对抗样本上，更新对抗样本；以梯度的方向作为对抗噪声扰动的方向，使得生成的对抗样本朝着攻击者的目标方向发展：S205、对抗样本正则化 clip函数执行的操作是保证每一个像素点上与X最大L1距离不超过∈；S206、判断是否停止迭代攻击者根据预先设置置信度δ和最大迭代次数T进行判断，步骤如下：1当目标检测模型输出的检测结果中的置信度最大值小于置信度阈值时，即可停止迭代，攻击成功；2若攻击的迭代次数已经达到预设上限T，停止迭代，攻击失败；3否则，继续循环执行步骤S202至步骤S206。

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大学，其通讯地址为：210000 江苏省南京市栖霞区仙林大道163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”。