“对抗”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29058个，建议您升级VIP下载更多相关专利

[发明专利]一种基于内容特征的对抗补丁伪装生成方法-CN202111485225.7在审
发明人：冀晓宇;徐文渊;程雨诗;朱文俊 -专利权人：浙江大学
申请日： 2021-12-07 - 公布日： 2022-04-08 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于内容特征的对抗补丁伪装生成方法，该方法利用神经网络从图像中提取出的表示内容特征的高维特征向量，创新性地提出使用特征向量距离来约束对抗补丁的生成，可以使得对抗补丁生成与参考图像接近的内容，从而可以将对抗补丁以任意图片内容进行伪装，增强了对抗补丁的隐蔽性。相比于现有的使用像素距离来约束对抗补丁生成的伪装方法，本发明方法生成的对抗补丁对人的感官来说更加自然，并且对于对抗补丁原有的对抗效果不产生负面影响。
一种基于内容特征对抗补丁伪装生成方法

[发明专利]对抗样本生成方法、装置、电子设备及存储介质-CN202310752989.0在审
发明人：牛旭;王婷婷;张伟;宋旭伟;王永吉 -专利权人：北京控制与电子技术研究所;北京邮电大学
申请日： 2023-06-25 - 公布日： 2023-10-13 - 主分类号： G06V10/774 文献下载
摘要：本申请提供一种对抗样本生成方法、装置、电子设备及存储介质。所述方法包括：对至少一个初始样本添加扰动，得到对抗样本种群；根据所述对抗样本的适应度，筛选得到预设数量个精英对抗样本；将所述精英对抗样本对应的初始样本输入目标检测模型，得到第一识别结果，所述第一识别结果为真实识别结果；将所述精英对抗样本输入所述目标检测模型，得到第二识别结果；响应于确定所述第二识别结果与所述第一识别结果一致，确定所述精英对抗样本为目标对抗样本。通过本申请可以提高对抗样本生成的成功率。
对抗样本生成方法装置电子设备存储介质

[发明专利]一种对抗人脸图像的生成方法和装置-CN202010875464.2在审
发明人：尹邦杰;姚太平;吴双;丁守鸿;李季檩;黄飞跃 -专利权人：腾讯科技（深圳）有限公司
申请日： 2020-08-27 - 公布日： 2020-12-08 - 主分类号： G06K9/00 文献下载
摘要：本申请公开了一种对抗人脸图像的生成方法和装置；该方法涉及计算机安全领域中的对抗攻击，可以获取参考人脸图像和对抗人脸图像；通过预先训练好的目标人脸识别模型，分别对参考人脸图像和对抗人脸图像提取多个尺度下的特征图；对参考人脸图像多个尺度下的特征图进行融合处理，得到参考人脸图像的特征信息；对对抗人脸图像多个尺度下的特征图进行融合处理，得到对抗人脸图像的特征信息；计算参考人脸图像的特征信息与对抗人脸图像的特征信息的损失值；基于损失值，迭代调整对抗人脸图像中各个像素点的像素值，得到目标对抗人脸图像。本申请可以通过融合对抗人脸图像多个尺度下的特征图，提升了对抗人脸图像在人脸识别模型上的通用性和迁移性。
一种对抗图像生成方法装置

[发明专利]一种对电力巡检场景人工智能算法模型的评估方法及系统-CN202111281411.9在审
发明人：周春雷;陈相舟;刘文立;刘文思;史昕;李洋;宋金伟;李晓燕 -专利权人：国家电网有限公司大数据中心
申请日： 2021-11-01 - 公布日： 2022-03-04 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种对电力巡检场景人工智能算法模型的评估方法及系统，包含以下步骤：对获取的原始电力数据进行处理，得到原始样本和噪声样本；采用集成学习算法对所述原始样本进行处理得到非对抗样本，并采用生成式对抗网络对所述噪声样本进行处理得到对抗样本；基于所述非对抗样本和对抗样本采用对应的鲁棒性度量指标计算式计算得到非对抗场景和对抗场景下的度量指标；基于所述非对抗场景和对抗场景下的度量指标对电力巡检场景下的人工智能算法模型鲁棒性进行评估。利用电力巡检场景的原始电力数据建定制化评测指标，在非对抗与对抗场景中对电力算法模型鲁棒性进行评测，使评测标准更精确、更贴近电力巡检需要。
一种电力巡检场景人工智能算法模型评估方法系统

[发明专利]一种基于损失交换比率的多智能体协同对抗演化方法-CN202310255599.2在审
发明人：赵东波;樊明;郑华利;李恒锐;王宏宇 -专利权人：中国人民解放军32180部队
申请日： 2023-03-16 - 公布日： 2023-06-23 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于损失交换比率的多智能体协同对抗演化方法，包括以下步骤：步骤1.建立多智能体协同对抗演化模型；步骤2.收集对抗方案数据，进行参数设定；步骤3.步骤，对仿真结果进行分析比较，分析不同对抗方案对损失交换比率的影响，得到较优的对抗演化策略，为人机协同对抗策略制定提供参考。本发明的一种基于损失交换比率的多智能体协同对抗演化方法，基于多主体模型，可以分析不同对抗方案对损失交换比率的影响，并在一定程度上预测人机协同对抗的胜负，为人机协同对抗策略制定提供参考。分析方法具有一般性，可以应用于不同对抗环境和场景，有着成本低、可重复性等特点。
一种基于损失交换比率智能体协对抗演化方法

[发明专利]一种十字形的对抗补丁攻击方法-CN202211393885.7在审
发明人：王员根;冉钰 -专利权人：广州大学
申请日： 2022-11-08 - 公布日： 2023-03-14 - 主分类号： G06F21/55 文献下载
摘要：本发明涉及深度神经网络领域，且公开了一种十字形的对抗补丁攻击方法，基于十字形的对抗补丁攻击通过将扰动区域限制为十字形来进行攻击。在以往的攻击中，大部分攻击只考虑对抗补丁的位置和内容，而很少考虑对抗补丁的形状，对抗补丁被默认为是矩形的。基于这个发现，本发明通过改变对抗补丁的形状来进行对抗补丁攻击。首先我们对对抗补丁的内容进行初始化，并在原始图像中随机位置处覆盖该对抗补丁，从而形成初始候选样本。然后迭代地优化对抗补丁的内容和位置。本发明基于一个特殊的分布来使用随机搜索的策略来进行候选对抗补丁的生成。大量的实验结果证明了本发明的优越性。
一种十字形对抗补丁攻击方法

[发明专利]完全可恢复为原始图像的对抗攻击样本生成及复原方法-CN202310230298.4在审
发明人：冷璐;杨仕龙;封全;储珺;曾接贤 -专利权人：南昌航空大学
申请日： 2023-03-10 - 公布日： 2023-09-22 - 主分类号： H04N1/32 文献下载
摘要：本发明涉及完全可恢复为原始图像的对抗攻击样本生成及复原方法。其通过one‑pixel attack对抗攻击生成只修改一个像素点的对抗样本，修改的像素点称为对抗像素点，将其原始像素值转换为二进制编码，再通过像素值排序算法将二进制编码信息嵌入到生成的对抗样本中，得到完全可恢复的对抗样本接收方接收此对抗样本，获取嵌入后图像的预测误差直方图进行逆向解码，得到嵌入在图像中的二进制编码信息和复原出来的one‑pixel对抗样本。通过计算与邻域均值差异最大的点来检测出对抗像素点的位置。根据二进制编码信息转换为对抗像素点的原始像素值，最后依据对抗像素点的原始像素值以及位置可以完全恢复出原始图像。
完全可恢复原始图像对抗攻击样本生成复原方法

[发明专利]多样本对抗扰动生成方法、装置、存储介质和计算设备-CN202010883725.5有效
发明人：萧子豪;高威;田天 -专利权人：北京智源人工智能研究院
申请日： 2020-08-28 - 公布日： 2020-11-24 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种多样本对抗扰动生成方法、装置、存储介质和计算设备，该方法包括：根据多个样本图像和对抗扰动生成对应的多个对抗样本；将所述多个对抗样本输入预设的判别模型，以得到所述多个对抗样本在正确标签下的识别置信度；基于所述识别置信度对所述多个对抗样本进行筛选，选取其中识别置信度符合预设阈值的至少一个对抗样本；根据第一损失函数基于选取到的至少一个对抗样本获取在判别模型下的损失；根据所述损失优化所述对抗扰动。本发明的方法能够筛选样本图像中更加不容易被攻击的样本图像，并以此为基础迭代对抗扰动，使得最后生成的对抗扰动能够与更广泛的样本图像配合成功攻击图像识别模型。
多样对抗扰动生成方法装置存储介质计算设备

[发明专利]面向强化学习训练与评估的多并发实时对抗系统-CN202011239807.2有效
发明人：倪晚成;邢思远;胡健;王士贤;徐泽培 -专利权人：中国科学院自动化研究所
申请日： 2020-11-09 - 公布日： 2021-07-20 - 主分类号： G06F30/20 文献下载
摘要：本发明属于人工智能技术领域，具体涉及了一种面向强化学习训练与评估的多并发实时对抗系统，旨在解决现有对抗系统未使用内存训练模式，因而系统不适用于强化学习方法的训练和评估，从而对抗决策效果达不到预期的问题。本发明包括：对抗调度管理模块，根据对抗需求创建对抗场所、对抗进程和对抗想定参数；引擎内核模块，结合推演人员或AI行动集，更新推演状态和态势，生成实时推演的态势数据；推演用户端，将实时推演的态势数据解析为以地图格呈现的图形并展示以及获取推演人员或AI的操作指令并生成行动集；对抗观摩端，将实时推演的态势数据解析为3D模型和图形并展示以及在设定的视角切换展示。本发明对抗系统对抗决策效果好、应用广泛。
面向强化学习训练评估并发实时对抗系统

[发明专利]一种基于生成对抗网络的视频隐私保护方法-CN202110409156.5有效
发明人：刘小垒;胥迤潇;邓虎;路海;殷明勇 -专利权人：中国工程物理研究院计算机应用研究所
申请日： 2021-04-16 - 公布日： 2021-06-22 - 主分类号： G06F21/62 文献下载
摘要：本发明公开了一种基于生成对抗网络的视频隐私保护方法，属于人工智能安全领域，解决现有技术中的隐私保护方法无法对视频进行隐私保护。本发明将点对点的图像生成系统作为对抗网络生成器，并基于视频数据集Image‑net训练得到一系列的视频对抗样本；将三种不同架构的视频分类系统作为对抗网络鉴别器，并基于一系列的对抗样本和对应的原始视频对对抗网络鉴别器进行训练，若训练后能分辨出对抗样本和原始视频的区别，根据训练后的对抗网络鉴别器的参数，利用梯度下降方法对中训练后的对抗网络生成器进行优化，并再次执行，否则，得到训练好的对抗网络生成器对隐私保护的视频进行处理，得到视频对抗样本
一种基于生成对抗网络视频隐私保护方法

[发明专利]用于生成对抗样本的方法、模型评估方法、装置和计算机设备-CN202111456965.8有效
发明人：范洺源;陈岑;王力 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2021-12-02 - 公布日： 2023-07-14 - 主分类号： G06N20/00 文献下载
摘要：本说明书实施例公开了一种用于生成第一自然样本的对抗样本的方法、模型评估方法、装置和计算机设备。所述用于生成第一自然样本的对抗样本的方法包括：获取第一对抗样本，所述第一对抗样本的标签与第一自然样本不同；使第一对抗样本接近第一自然样本，直至第一对抗样本与第一自然样本之间的相似程度满足条件并且第一对抗样本的标签与第一自然样本不同；将新的第一对抗样本确定为第一自然样本的对抗样本。本说明书实施例可以生成具有较强攻击性的对抗样本，另外，还可以全面地评估机器学习模型的对抗训练效果。
用于生成对抗样本方法模型评估装置计算机设备

[发明专利]一种增强对抗图像样本迁移性攻击的方法-CN202211389040.0有效
发明人：殷晋;李超群;秦科 -专利权人：电子科技大学
申请日： 2022-11-08 - 公布日： 2023-03-24 - 主分类号： G06T5/20 文献下载
摘要：本发明公开了一种增强对抗图像样本迁移性攻击的方法，属于图像处理领域。首先在利用原图片生成对抗图像样本之前，用高斯核对其进行卷积，而后扩大可搜索的对抗子空间，让攻击者获得更多信息，再利用捕获到的额外信息生成对抗图像样本之后，将对抗子空间还原到原来的大小，减少对抗图像样本和原图片间的视觉对比，最后生成对抗图像样本。本发明与模型增强等方法相比，所增加的计算开销可以忽略不计，与其他攻击方法相结合，进一步提高对抗图像样本的迁移性，本发明从频域和可搜索对抗子空间的角度出发，通过减少原图片的高频成分，扩大可搜索的对抗子空间，生成更具迁移性的对抗图像样本。
一种增强对抗图像样本迁移性攻击方法

[发明专利]一种基于对抗训练的自监督行为识别方法及系统-CN202210340188.9在审
发明人：胡建国;黎昱彤;张月;杨学彬;卢星宇;吴劲 -专利权人：中山大学;中山大学深圳研究院
申请日： 2022-04-01 - 公布日： 2022-07-29 - 主分类号： G06V20/40 文献下载
摘要：本发明公开了一种基于对抗训练的自监督行为识别方法及系统，该基于对抗训练的自监督行为识别方法包括：抽取视频数据，输入标准化流模型；对视频数据进行攻击处理，得到对抗视频；计算视频数据以及对抗视频在学习模式下的对抗损失；基于对抗损失更新标准化流模型的期望值参数，并判断是否完成更新；若是，则基于标准化流模型配合期待值参数生成对抗样本；将对抗样本输入对比学习中。本发明基于标准化流的对抗攻击对样本进行攻击，并且把受到攻击的样本也作为正样本的一种，加入到对比学习的训练之中进行对抗训练，从而提高模型的准确度和鲁棒性。
一种基于对抗训练监督行为识别方法系统

[发明专利]一种基于分层强化学习的雷达认知对抗方法-CN202211056596.8在审
发明人：童真 -专利权人：中国船舶集团有限公司第七二三研究所
申请日： 2022-08-31 - 公布日： 2022-11-11 - 主分类号： G01S7/36 文献下载
摘要：本发明公开了一种基于分层强化学习的雷达认知对抗方法，该方法为：首先将雷达认知对抗过程划分为上层宏观任务，确定雷达认知对抗过程中各宏观任务之间的连接关系，并关联雷达认知对抗过程中各任务相关的状态集合和其对应的动作集合；然后将雷达认知对抗过程进行任务分解，得到动作价值函数、状态价值函数、完成函数；接着进行雷达认知对抗的策略迭代，得到当前状态的最优对抗策略；再进行雷达认知对抗的策略搜索，更新状态价值函数和完成函数，得到当前最优的动作价值函数；重复进行策略迭代和策略搜索，直到雷达认知对抗策略趋于收敛。本发明降低了雷达认知对抗策略生成的复杂度，提升了策略学习的效率。
一种基于分层强化学习雷达认知对抗方法

[发明专利]一种基于深度强化学习的深度学习漏洞检测模型对抗样本生成方法和系统-CN202210553722.4在审
发明人：刘镓煜;武延军;吴敬征;罗天悦;凌祥;芮志清 -专利权人：中国科学院软件研究所
申请日： 2022-05-20 - 公布日： 2022-12-16 - 主分类号： G06N3/04 文献下载
摘要：本发明提供一种基于深度强化学习的深度学习漏洞检测模型对抗样本生成方法和系统。该方法包括：获取基于深度学习的目标漏洞检测模型信息以及用于生成对抗样本的原型漏洞代码集合；构建面向目标漏洞检测模型的有效对抗代码变换；构建面向最优对抗样本生成的深度强化学习框架；使用有效对抗代码变换和面向最优对抗样本生成的深度强化学习框架，生成目标漏洞检测模型的最优对抗样本。本发明利用目标漏洞检测模型的代码表征中对模型决策有重要影响的特征构造有效对抗代码变换，并采用深度强化学习算法生成面向目标漏洞检测模型的最优对抗样本，能更为高效、有针对性地生成基于深度学习的目标漏洞检测模型的对抗样本
一种基于深度强化学习漏洞检测模型对抗样本生成方法系统