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！

龙图腾网恭喜中山大学申请的专利一种面向集成模型的鲁棒性提升防御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：CN113935496B 。

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：202111302450.2，技术领域涉及：G06N20/20；该发明授权一种面向集成模型的鲁棒性提升防御方法是由刘宁;庄文梓;黄立峰设计研发完成，并于2021-11-04向国家知识产权局提交的专利申请。

本一种面向集成模型的鲁棒性提升防御方法在说明书摘要公布了：本发明公开了一种面向集成模型的鲁棒性提升防御方法，包括步骤如下：S1：在每个训练样本上提取所有子模型的非鲁棒特征样本；S2：选取未训练的子模型，将其他子模型提取的非鲁棒特征样本分别输入该子模型进行训练；S3：通过结合特征层混合方法，将非鲁棒特征样本在正在训练的子模型的第t层中间特征层的输出值，以不同的比例混合为一个中间层输出feature_map；S4：将混合得到的feature_map继续输入该正在训练的子模型进行前向传播，计算交叉熵更新该子模型的参数；S5：对集成模型中的所有子模型都分别经过上述步骤S1～S5进行训练，直到所有子模型达到最大训练轮数，则得到最终的子模型。通过本发明训练得到的集成模型，不仅能有效防御白盒攻击和黑盒攻击方法，同时还基本不影响对干净样本的识别率。

本发明授权一种面向集成模型的鲁棒性提升防御方法在权利要求书中公布了：1.一种面向集成模型的鲁棒性提升防御方法，其特征在于：所述的方法包括步骤如下： S1：在每个非鲁棒特征图像训练样本上提取所有子模型的非鲁棒特征样本； S2：选取未训练的子模型，将其他子模型提取的非鲁棒特征样本分别输入该子模型进行训练，子模型间通过相互训练彼此生成的非鲁棒特征样本，以学习彼此的“脆弱性”； S3：通过结合特征层混合方法，将非鲁棒特征样本在正在训练的子模型的第t层中间特征层的输出值，以不同的比例混合为一个中间层输出feature_map； 具体地，在训练第i个子模型时，将随机选取第个子模型生成的非鲁棒特征图像，与除第子模型和子模型外的其他子模型生成的非鲁棒特征样本，分别按照比例和在第个子模型的第层中间特征层的输出混合成一个中间层输出feature_map； 所述的特征层混合方法，其计算公式为： （1） 式中，和为混合系数，是服从Beta分布的随机矩阵系数，则定义为，其中，N是子模型的数量；t和l均是随机选取的特征层；是除和外的任一子模型序号；是第子模型提取的非鲁棒特征样本在第子模型的第t层的输出值；则是训练第i个子模型时，其他子模型生成的非鲁棒特征样本在该子模型的第t层中间特征层的输出值的混合结果feature_map； S4：将混合得到的feature_map继续输入该正在训练的子模型进行前向传播，计算交叉熵更新该子模型的参数； S5：对集成模型中的所有子模型都分别经过上述步骤S1~S5进行训练，直到所有子模型达到最大训练轮数，则得到最终的子模型。

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中山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135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”。