“对抗性”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果50714个，建议您升级VIP下载更多相关专利

[发明专利]训练问答对话系统以避免对抗性攻击-CN202180071089.9在审
发明人： S·罗森塔尔;A·希尔;M·A·博尔纳;R·弗洛里安 -专利权人：国际商业机器公司
申请日： 2021-08-30 - 公布日： 2023-06-23 - 主分类号： G06N3/02 文献下载
摘要：方法、计算机程序产品和/或计算机系统保护问答对话系统免受错误地回答问题的对抗性语句的攻击。计算设备访问能够对问答对话系统进行对抗性攻击的多个对抗性语句，该问答对话系统被训练为提供对特定类型的问题的正确回答。计算设备利用多个对抗性语句来训练用于问答对话系统的机器学习模型。计算设备然后通过将识别多种类型的对抗性语句的对抗性策略引导到经训练的机器学习模型上来强化经训练的机器学习模型。计算设备然后利用经训练的和引导的机器学习模型以在对提交给问答对话系统的问题进行响应时避免对抗性攻击。
训练问答对话系统避免对抗性攻击

[发明专利]面向深度神经网络的抗压缩对抗性图像生成方法-CN201911199508.8有效
发明人：王志波;郭恒昌;宋梦凯;郑思言;王骞 -专利权人：武汉大学
申请日： 2019-11-29 - 公布日： 2022-11-18 - 主分类号： G06T9/00 文献下载
摘要：本发明公开了一种面向深度神经网络的抗压缩对抗性图像生成方法,通过设计一个神经网络来近似图像压缩算法，并将此神经网络加入到对抗性图像的优化求解过程中，使得生成的对抗性图像可以抵御图像压缩。本方法具有高扩展性，可以与现有的对抗性图像攻击方案相结合，在不明显影响攻击成功率的条件下，提高各种攻击算法生成的对抗性图像的抗压缩性能。另外，本方法还可针对压缩方法未知情况下的抗压缩对抗性图像实现，有着较高的黑盒实用性。克服了以往攻击方法生成的对抗性图像经过图像压缩后会失效的问题。
面向深度神经网络抗压对抗性图像生成方法

[发明专利]一种基于范数的对抗性样本检测分类方法-CN201911174658.3有效
发明人：江维;詹瑾瑜;何致远;吴俊廷;龚子成;潘唯迦 -专利权人：电子科技大学
申请日： 2019-11-26 - 公布日： 2022-04-01 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于范数的对抗性样本检测分类方法，包括以下步骤：S1、生成对抗性样本，选择不同攻击强度的攻击方法产生对抗性样本；S2、计算对抗性样本的范数，得到分类阈值和定级阈值；S3、确定检测器；S4Sub>∞，l2，l0)，通过比对计算得到的范数值与步骤S2得到的定级阈值，判断目标样本是否为对抗性样本，若是则进一步得到对抗性样本的攻击分类和攻击强度；否则不对样本进行处理；S5、验证整检测器的合理性和有效性。本发明在对对抗性样本实现精确检测的前提下，能够同时检测出对抗性样本的具体分类和攻击强度。
一种基于范数对抗性样本检测分类方法

[发明专利]一种用于图像保护的主动防御方法及装置-CN202211629740.2有效
发明人：韩蒙;毛梁杰;乔通;林昶廷;王滨;黄步添;俞伟平;董建锋 -专利权人：浙江君同智能科技有限责任公司
申请日： 2022-12-19 - 公布日： 2023-04-11 - 主分类号： G06T1/00 文献下载
摘要：本申请提供一种用于图像保护的主动防御方法及装置，方法包括以下步骤：S1、构建数据库，数据库中包含替代模型；S2、将训练图像和添加对抗性水印后的训练图像输入至各个替代模型中；S3、每个替代模型生成第一伪造图像和第二伪造图像，并根据第一伪造图像和第二伪造图像之间的差异计算损失函数；S4、集成各个替代模型对应的损失函数以更新对抗性水印；S5、重复步骤S2~S4，对对抗性水印进行训练，获得训练完成的对抗性水印；S6、将训练完成的对抗性水印添加至待保护图像中本申请通过训练对抗性水印，使得对抗性水印在不同的深度伪造模型中均有较好的防御效果，大大提高了对抗性水印的迁移性。
一种用于图像保护主动防御方法装置

[发明专利]一种基于超饱和设计的雷达对抗性能分析方法-CN202011630540.X在审
发明人：查丽萍;樵梁;吕磊;孙伟;王鑫;陈飞 -专利权人：中国航天科工集团八五一一研究所
申请日： 2020-12-30 - 公布日： 2021-05-07 - 主分类号： G06F30/20 文献下载
摘要：本发明公开了一种基于超饱和设计的雷达对抗性能分析方法，其步骤包括确定影响雷达对抗性能的主要因素作为试验参数，采用试验设计方法筛选重要试验参数，基于重要试验参数进行试验设计并得到试验设计表，开展试验设计对应的雷达对抗试验，采用回归分析方法对试验数据进行分析，建立雷达对抗性能预测模型，试验验证预测模型的准确性。本发明首次将试验设计方法用于解决雷达对抗性能分析问题，通过筛选重要试验参数，开展试验设计，可大大降低雷达对抗性能分析评估所需的试验样本量，有效提高了采用试验验证方法分析评估雷达对抗性能的效率。
一种基于饱和设计雷达对抗性能分析方法

[发明专利]一种基于超饱和设计的雷达对抗性能分析方法-CN202110900447.4有效
发明人：查丽萍;谯梁;吕磊;孙伟;王鑫;陈飞 -专利权人：中国航天科工集团八五一一研究所
申请日： 2021-08-06 - 公布日： 2022-06-21 - 主分类号： G06F30/20 文献下载
摘要：本发明公开了一种基于超饱和设计的雷达对抗性能分析方法，其步骤包括确定影响雷达对抗性能的主要因素作为试验参数，采用试验设计方法筛选重要试验参数，基于重要试验参数进行试验设计并得到试验设计表，开展试验设计对应的雷达对抗试验，采用回归分析方法对试验数据进行分析，建立雷达对抗性能预测模型，试验验证预测模型的准确性。本发明首次将试验设计方法用于解决雷达对抗性能分析问题，通过筛选重要试验参数，开展试验设计，可大大降低雷达对抗性能分析评估所需的试验样本量，有效提高了采用试验验证方法分析评估雷达对抗性能的效率。
一种基于饱和设计雷达对抗性能分析方法

[发明专利]一种基于频域对抗性噪声的图像视频隐私保护方法-CN202310138606.0在审
发明人：杨涛 -专利权人：浙江工商大学
申请日： 2023-02-20 - 公布日： 2023-06-13 - 主分类号： G06F21/62 文献下载
摘要：本发明涉及一种图像或视频所有权保护技术，尤其是一种针对非授权深度学习模型的图片与视频的所有权保护技术，具体为一种基于频域对抗性噪声的图像视频隐私保护方法。一种基于频域对抗性噪声的图像视频隐私保护方法，向图像频率域添加对抗性噪声。本发明提供了一种基于频域的对抗性噪声生成方法，本发明采用向图像频率域(频域)添加对抗性噪声的方式，将对抗性噪声隐藏在图像的频率域中，使其具有隐水印的一些特点，不易被发现且不影响用户查看。
一种基于对抗性噪声图像视频隐私保护方法

[发明专利]量化深度学习计算系统对对抗性扰动的脆弱性-CN202010153487.2在审
发明人：刘思佳;范权福;淦创;王大阔 -专利权人：国际商业机器公司
申请日： 2020-03-06 - 公布日： 2020-09-15 - 主分类号： G06N3/04 文献下载
摘要：本公开的实施例涉及量化深度学习计算系统对对抗性扰动的脆弱性。提供了用于生成对抗性扰动攻击敏感度(APAS)可视化的机制。机制接收自然输入数据集和对应对抗性攻击输入数据集，其中对抗性攻击输入数据集包括旨在引起计算机模型错误分类的扰动。机制基于计算机模型对自然输入数据集和对应对抗性攻击输入数据集的处理，确定计算机模型对对抗性攻击输入数据集中扰动的敏感度测量。基于自然输入数据集和对抗性攻击输入数据集处理结果，机制为计算机模型生成分类激活图(CAM)，并基于敏感度测量生成敏感度覆盖。敏感度覆盖图形地表示扰动敏感度的不同分类。机制将敏感度覆盖应用于CAM，以生成并输出对抗性攻击的扰动的计算机模型敏感度的图形可视化输出。
量化深度学习计算系统对对抗性扰动脆弱

[发明专利]音频对抗扰动的测试方法、设备及存储介质-CN202011024815.5有效
发明人：黎吉国;许继征;张莉;王悦;马思伟 -专利权人：脸萌有限公司;北京大学
申请日： 2020-09-25 - 公布日： 2023-09-22 - 主分类号： G10L21/0208 文献下载
摘要：本公开实施例提供一种音频对抗扰动的测试方法、设备及存储介质，通过将初始音频信号输入到对抗性攻击模型的攻击网络获取第一干扰信号；采用具有不同通带的至少两个备选带通滤波器分别对第一干扰信号滤波获取每个备选带通滤波器对应的第二干扰信号；根据各第二干扰信号、初始音频信号及目标音频处理模型确定目标带通滤波器；基于对抗性攻击模型对目标音频处理模型进行对抗性攻击测试，其中对抗性攻击模型中的带通滤波器为目标带通滤波器。本公开实施例从至少两个备选带通滤波器中确定最优的备选带通滤波器作为对抗性攻击模型的目标带通滤波器，使得对抗性攻击模型针对目标音频处理模型生成的对抗音频样本具有最优的对抗性攻击性能。
音频对抗扰动测试方法设备存储介质

[发明专利]一种针对视频目标分割的注意力引导的对抗性攻击方法-CN202210080615.4在审
发明人：姚睿;陈莹;周勇;赵佳琦;刘兵;邵志文;祝汉城 -专利权人：中国矿业大学
申请日： 2022-01-24 - 公布日： 2022-05-13 - 主分类号： G06V20/40 文献下载
摘要：本发明公开了一种针对视频目标分割的注意力引导的对抗性攻击方法，首先使用特征提取器提取视频帧的特征图；然后构建多级特征空间注意力模块，获得空间注意力图；将空间注意力图与特征图串联起来，得到增强特征图，并对增强特征图进行下采样；构建反卷积神经网络，基于下采样后的增强特征图生成原始视频序列的对抗性扰动；将生成的对抗性扰动添加到原始视频序列中产生对抗样本；给定初始帧掩码，将对抗样本输入经典的单样本视频目标分割网络中得到最终预测掩码本发明提供对抗性攻击方法借助注意力机制和增强特征图生成对抗性扰动，能够针对视频目标分割任务进行对抗性攻击，实现将目标的所有像素进行错误分类。
一种针对视频目标分割注意力引导对抗性攻击方法

[发明专利]神经网络的梯度对抗性训练-CN201980039857.5在审
发明人： A·T·辛哈;A·拉比诺维奇;Z·陈;V·巴德里娜拉亚楠 -专利权人：奇跃公司
申请日： 2019-05-15 - 公布日： 2021-02-12 - 主分类号： G06N3/08 文献下载
摘要：公开了用于神经网络的梯度对抗性训练的系统和方法。在梯度对抗性训练的一方面，可以训练辅助神经网络以对梯度张量进行分类，该梯度张量在提供期望任务输出的主神经网络中的反向传播期间被评估。辅助神经网络可以将对抗性梯度信号传递回主神经网络，该主神经网络可以使用该信号来对主神经网络中的权重张量进行正则化。神经网络的梯度对抗性训练可以提供主网络中的改进的梯度张量。梯度对抗性技术可用于训练多任务网络、知识提取网络和对抗性防御网络。
神经网络梯度对抗性训练

[发明专利]一种基于算法对抗性攻击的图像识别攻击方法-CN201811328589.2有效
发明人：唐佳莉;范渊 -专利权人：杭州安恒信息技术股份有限公司
申请日： 2018-11-09 - 公布日： 2022-02-11 - 主分类号： G06V40/40 文献下载
摘要：本发明涉及一种基于算法对抗性攻击的图像识别攻击方法，将需要被进行识别攻击的原始图像输入对抗式生成网络，获得对抗性图像，将原始图像和对抗性图像同时进行图像识别分类，若分类相同则攻击不成功，收集数据并更新对抗式生成网络本发明能攻击现有的图像识别算法，通过生成对抗性样本，使算法无法进行正常的图像识别，从而影响人脸识别、图像检测、自动驾驶等领域的功能应用，适用性广；对抗式生成网络一旦训练完成，之后所生成的对抗性样本均不需要依赖于目标模型的接触和大量数值运算，具有高效、可迁移的特点；研究机器学习的对抗性攻击有益于进一步优化机器学习算法和数据处理手段，提高机器学习算法和其应用的安全性。
一种基于算法对抗性攻击图像识别方法

[发明专利]一种面向深度神经网络的基于空间约束的高隐蔽性对抗性图像攻击方法-CN201910249635.8有效
发明人：王志波;郑思言;宋梦凯;王骞 -专利权人：武汉大学
申请日： 2019-03-29 - 公布日： 2022-08-30 - 主分类号： G06T7/90 文献下载
摘要：本发明公开了一种面向深度神经网络的基于空间约束的高隐蔽性对抗性图像攻击方法,相较于以往用于攻击神经网络的对抗性图像生成方法，本方法考虑生成样本的不可见性，通过多尺度区域复杂度融合搜索图像的复杂区域，并自适应地在复杂区域加入生成的噪声，实现高隐蔽性的对抗性图像攻击。此外，本方法具有高扩展性，可以与现有的对抗性图像攻击方法相结合，在不影响攻击成功率的条件下，生成面向深度神经网络的不可见性更高的对抗性图像。
一种面向深度神经网络基于空间约束隐蔽对抗性图像攻击方法

[发明专利]一种基于生成式网络的跨模态数据哈希检索攻击方法-CN202210893350.X有效
发明人：湛誉;黄亮;胡超;施鹤远 -专利权人：中南大学
申请日： 2022-07-27 - 公布日： 2022-11-25 - 主分类号： G06N3/08 文献下载
摘要：通过对比重构跨模态数据的哈希码与跨模态检索数据库中哈希码之间的汉明距离，获得积极跨模态数据和消极跨模态数据用于构造对抗性三元组函数，并通过请求跨模态数据哈希码构造基于相对的对抗性三元组函数。最后通过构造训练函数并通过ADAM优化器获得对抗性生成器的最佳参数，接着获得可快速生成对抗性样本的对抗性生成器，降低了传统的基于迭代式攻击获取对抗性样本时会消耗大量算力的缺点，节省算力且精度高。
一种基于生成网络跨模态数据检索攻击方法

[发明专利]一种基于对抗性样本分类等级的防御方法-CN201911173526.9有效
发明人：詹瑾瑜;江维;何致远;龚子成;吴俊廷;潘唯迦 -专利权人：电子科技大学
申请日： 2019-11-26 - 公布日： 2023-01-24 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于对抗性样本分类等级的防御方法，包括以下步骤：S1、生成对抗性样本，选择不同范数和不同攻击强度的对抗性攻击方法产生对抗性样本；S2、将满足防御效果的防御方法添加到防御方法备选库中；S3、从防御方法备选库中选择部分防御方法，将对抗性样本输入到选择的防御方法中，采用防御成功率、时间成本和模型精度变化三种指标来对防御效果进行量化，根据量化指标得到最优防御方法集合；S4、选择防御方法。本发明根据对抗性样本的具体分类和攻击强度，选择最适合的防御方法，具有通用性。并且使用了除防御成功率外的新的量化指标：模型精度变化和时间成本，使得防御效果的判定更具体和精确。
一种基于对抗性样本分类等级防御方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 50714 条