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！

龙图腾网恭喜复旦大学申请的专利一种基于动态化网络结构学习的黑盒攻击系统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：CN114428954B 。

龙图腾网通过国家知识产权局官网在2025-06-10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：202111629855.7，技术领域涉及：G06F21/55；该发明授权一种基于动态化网络结构学习的黑盒攻击系统是由薛向阳;王文萱;钱学林;付彦伟设计研发完成，并于2021-12-28向国家知识产权局提交的专利申请。

本一种基于动态化网络结构学习的黑盒攻击系统在说明书摘要公布了：本发明涉及计算机视觉图像处理领域，具体是一种基于动态化网络结构学习的黑盒攻击方法。提出了在无真实数据参与条件下的对于未知场景的目标黑盒模型的攻击方法。其中针对多样化的目标黑盒模型，提出了动态化网络结构学习的替代模型训练方法，自主性地生成最优的替代模型结构，并提出了基于结构化信息图的优化约束以提升替代模型的学习质量与效率，从而进一步提高其生成的对抗样本的攻击性能。该方法具有查询次数少、学习效率高、攻击成功率高等优点，非常适合无任何先验知识的黑盒攻击场景。

本发明授权一种基于动态化网络结构学习的黑盒攻击系统在权利要求书中公布了：1.一种基于动态化网络结构学习的黑盒攻击系统，其特征在于，包括基于结构化信息图的优化约束和动态化网络结构学习的替代训练，所述替代训练具体包括以下步骤：S1：生成替代训练数据；S2：基于结构化信息图的优化约束的替代训练；S3：生成动态化网络结构学习的替代模型；S4：将测试数据送入替代模型，通过白盒攻击方式生成对抗样本，并对目标黑盒模型进行攻击测试；所述步骤S2具体包括以下步骤：步骤21：将生成器生成的替代训练数据分别送入目标模型和替代模型中获得相应的输出；步骤22：根据目标模型和替代模型的多个输出计算点节点和边特征，并构建相应的结构化信息图；步骤23：根据目标模型和替代模型输出得到的结构化信息图，计算基于结构化信息图的优化损失函数；步骤24：根据基于结构化信息图的优化损失函数缩小目标模型和替代模型输出间的距离，更新并优化替代模型网络参数；步骤25：根据基于结构化信息图的优化损失函数扩大目标模型和替代模型输出间的距离，更新并优化生成器网络参数。

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复旦大学，其通讯地址为：200433 上海市杨浦区邯郸路220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”。