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！

龙图腾网恭喜宁波大学申请的专利一种基于对抗性示例增广的高可转移性黑盒攻击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：CN119323025B 。

龙图腾网通过国家知识产权局官网在2025-05-02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：202411864211.X，技术领域涉及：G06F21/55；该发明授权一种基于对抗性示例增广的高可转移性黑盒攻击方法是由姜求平;朱雪彪设计研发完成，并于2024-12-18向国家知识产权局提交的专利申请。

本一种基于对抗性示例增广的高可转移性黑盒攻击方法在说明书摘要公布了：本发明提供了一种基于对抗性示例增广的高可转移性黑盒攻击方法，包括：步骤S1，获取原图像和原图像的伪标签；步骤S2，搭建深层特征提取器；步骤S3，生成对抗性示例；步骤S4，将对抗性示例输入至代理模型内得到预测结果；步骤S5，计算预测结果和伪标签之间的结构相似度并筛选对抗性示例；步骤S6，将对抗性示例输入到深层特征提取器中得到两个深层特征；步骤S7，计算两个深层特征之间的KL散度，扩大预测结果和伪标签之间的差异并筛选对抗性示例；步骤S8，整合得到对抗性示例集对目标模型进行查询得到最优对抗性示例。有益效果是本发明能够生成具有高可转移性的对抗性示例集，提升攻击效果。

本发明授权一种基于对抗性示例增广的高可转移性黑盒攻击方法在权利要求书中公布了：1.一种基于对抗性示例增广的高可转移性黑盒攻击方法，其特征在于，包括以下步骤：步骤S1，获取任意一张图片作为原图像，并调用一个图像二类分割模型作为代理模型，将所述原图像输入至所述代理模型内得到所述原图像的伪标签；步骤S2，搭建深层特征提取器；步骤S3，基于所述原图像创建加性扰动和乘性扰动，并根据所述原图像、所述加性扰动和所述乘性扰动得到对抗性示例；步骤S4，将所述对抗性示例输入至所述代理模型内得到预测结果，并利用二值交叉熵损失函数计算所述预测结果和所述伪标签之间的损失，以及利用无穷范数计算所述原图像与所述对抗性示例之间的差异；步骤S5，反向传播优化目标函数，更新所述加性扰动与所述乘性扰动，并计算所述预测结果和所述伪标签之间的结构相似度，以及在所述结构相似度低于预设阈值时将对应的所述对抗性示例存储为对抗性示例，其中，表示预设参数；步骤S6，重复执行所述步骤S3、所述步骤S4和所述步骤S5，将每次重复执行后得到的所述对抗性示例作为新的对抗性示例，将所述对抗性示例输入到所述深层特征提取器中得到深层特征，并将已生成的各所述对抗性示例输入到所述深层特征提取器中得到深层特征，其中；步骤S7，计算所述深层特征与所述深层特征之间的KL散度，并基于所述KL散度构建得到目标函数，以及优化总体目标函数来扩大所述对抗性示例对应的所述预测结果和所述伪标签之间的差异，当所述预测结果和所述伪标签之间的结构相似度低于所述预设阈值且小于预设阈值时，保留对应的所述对抗性示例，其中表示预设距离值，表示预设参数；步骤S8，重复执行所述步骤S6和所述步骤S7，将每次重复执行后保留的所述对抗性示例整合为对抗性示例集，利用所述对抗性示例集中的各所述对抗性示例对目标模型进行查询得到对应的目标预测结果和目标伪标签，将所述目标预测结果与所述目标伪标签差异最大的所述对抗性示例作为最优对抗性示例。

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宁波大学，其通讯地址为：315000 浙江省宁波市江北区风华路818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”。