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！

龙图腾网恭喜浙江工业大学申请的专利一种基于神经元激活图的对抗样本检测方法和装置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：CN115311519B 。

龙图腾网通过国家知识产权局官网在2025-06-13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：202210976888.7，技术领域涉及：G06V10/774；该发明授权一种基于神经元激活图的对抗样本检测方法和装置是由陈晋音;葛杰;金海波;贾澄钰;倪洪杰设计研发完成，并于2022-08-15向国家知识产权局提交的专利申请。

本一种基于神经元激活图的对抗样本检测方法和装置在说明书摘要公布了：本发明公开了一种基于神经元激活图的对抗样本检测方法和装置，获取图像数据集构建并训练深度模型；生成噪声样本并构造二元数据集XB；读取步骤1生成的深度模型f保存的检查点文件，并生成二元数据集XB相对应的映射权重集合WB；映射权重集合WB到图集合GB的映射；计算图集合GB相对应的加权度集合DB；训练得到对抗样本检测器；应用时，将待测图像样本输入至训练好的对抗样本检测器，经检查，输出待测图像样本属于干净样本或对抗样本，实现了对待测图像样本的检测。

本发明授权一种基于神经元激活图的对抗样本检测方法和装置在权利要求书中公布了：1.一种基于神经元激活图的对抗样本检测方法，其特征在于，包括以下步骤： 1获取图像数据集及其对应的真实类标集合；构建深度模型f，应用图像数据集及其对应的真实类标集合训练深度模型f，深度模型f保存检查点文件；然后应用所述图像数据集生成噪声样本数据集，由所述图像数据集和噪声样本数据集构造二元数据集XB及其对应的真实类标集合YB； 生成噪声样本数据集X**： 1.4.1测试图像数据集X中的图像样本xi在深度模型f中的预测类标与真实类标是否一致，若不一致，则剔除图像样本xi不加噪，若一致，则进行步骤1.4.2； 1.4.2随机从图像数据集X中取真实类标为0的图像样本xj，其中，xj≠xi；测试图像样本xj在深度模型f中的预测类标与真实类标是否一致，若不一致，则剔除图像样本xj不加噪，若一致，则进行步骤1.4.3； 1.4.3对图像样本xj进行高通滤波，取出图像样本xj中包含的高频噪声，噪声归一化到[-5,5]后叠加到图像样本xi上，得到添加噪声的噪声样本 1.4.4随机从图像数据集X中取真实类标为1、2、…、m-2或m-1的图像样本，重复步骤1.4.2和步骤1.4.3，得到图像样本xi的噪声样本集 1.4.5将图像样本xi的噪声样本集中的噪声样本逐一输入深度模型f中进行测试，若噪声样本在深度模型f中的预测类标与真实类标不一致，表明该噪声样本成功地添加了噪声，则该噪声样本保留在噪声样本集中；若一致，表明该噪声样本添加噪声失败，则将该噪声样本从噪声样本集中剔除； 1.4.6将图像数据集X中的所有图像样本重复步骤1.4.1-步骤1.4.5，得到所有图像样本的噪声样本集，将所有图像样本的噪声样本集中的噪声样本构成噪声样本集合X*； 1.4.7从噪声样本集合X*中随机抽取Nsam个噪声样本构成噪声样本数据集X**； 2读取深度模型f保存的检查点文件，并生成二元数据集XB相对应的映射权重集合WB； 3将步骤2生成的映射权重集合WB映射到图集合GB； 所述步骤3具体包括以下子步骤： 3.1初始化图Ga： 所述图Ga为无向有权图，将深度模型f的Kc层的滤波器或神经元映射为节点即在Kc层创建fc个节点并分别表示为设图的节点属性为空，相邻两层的节点之间的权边为即初始化图为 3.2将映射权重Wa映射到图Ga； 从映射权重集合WB取任意一个映射权重Wa映射到图Ga，具体表示为以下公式： 其中，||·||为范数公式，为第c层核的第b个滤波器，为下一层核的第d个滤波器，为两个滤波器之间的参数取范数；为第c层核的第b个节点和第c+1层核的第d个节点的权边；重复上述步骤，直至映射权重Wa的每层参数都被映射为图Ga； 3.3将映射权重集合WB中所有映射权重重复步骤3.1和步骤3.2，得到图集合GB＝{G,G**}＝{G1,G2,…,Ga,…}；其中，G是图像数据集X的图集合，G**是噪声样本数据集X**的图集合； 4计算图集合GB相对应的加权度集合DB； 5构建检测器，所述检测器由两层全连接网络和一层分类层组成，每层全连接网络由全连接层的输出加上relu激活函数层组成，分类层由两个神经元组成； 6训练检测器，设置训练检测器的超参数：检测器训练轮数为Epoch2，批处理样本数为M2，梯度更新规则为随机梯度下降；检测器的训练损失函数为 其中，DB,n表示每轮批处理的第n个加权度，n＝1,2…,n,…M2，DB,n从加权度集合DB中选取；YB,n表示加权度DB,n的真实类标；pDB,n表示DB,n的预测类标； 直到训练损失函数收敛，保存并输出训练好的对抗样本检测器； 7求得待测图像样本的加权度，并将待测图像样本的加权度输入至训练好的对抗样本检测器，对抗样本检测器输出待测图像样本的预测类标，若待测图像样本的预测类标为0，则待测图像样本为干净样本；若待测图像样本的预测类标为1，则待测图像样本为对抗样本。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市下城区潮王路18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”。