買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜復旦大學申請的專利一種基于動態化網絡結構學習的黑盒攻擊系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114428954B 。

龍圖騰網通過國家知識產權局官網在2025-06-10發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202111629855.7，技術領域涉及：G06F21/55；該發明授權一種基于動態化網絡結構學習的黑盒攻擊系統是由薛向陽;王文萱;錢學林;付彥偉設計研發完成，并于2021-12-28向國家知識產權局提交的專利申請。

本一種基于動態化網絡結構學習的黑盒攻擊系統在說明書摘要公布了：本發明涉及計算機視覺圖像處理領域，具體是一種基于動態化網絡結構學習的黑盒攻擊方法。提出了在無真實數據參與條件下的對于未知場景的目標黑盒模型的攻擊方法。其中針對多樣化的目標黑盒模型，提出了動態化網絡結構學習的替代模型訓練方法，自主性地生成最優的替代模型結構，并提出了基于結構化信息圖的優化約束以提升替代模型的學習質量與效率，從而進一步提高其生成的對抗樣本的攻擊性能。該方法具有查詢次數少、學習效率高、攻擊成功率高等優點，非常適合無任何先驗知識的黑盒攻擊場景。

本發明授權一種基于動態化網絡結構學習的黑盒攻擊系統在權利要求書中公布了：1.一種基于動態化網絡結構學習的黑盒攻擊系統，其特征在于，包括基于結構化信息圖的優化約束和動態化網絡結構學習的替代訓練，所述替代訓練具體包括以下步驟：S1：生成替代訓練數據；S2：基于結構化信息圖的優化約束的替代訓練；S3：生成動態化網絡結構學習的替代模型；S4：將測試數據送入替代模型，通過白盒攻擊方式生成對抗樣本，并對目標黑盒模型進行攻擊測試；所述步驟S2具體包括以下步驟：步驟21：將生成器生成的替代訓練數據分別送入目標模型和替代模型中獲得相應的輸出；步驟22：根據目標模型和替代模型的多個輸出計算點節點和邊特征，并構建相應的結構化信息圖；步驟23：根據目標模型和替代模型輸出得到的結構化信息圖，計算基于結構化信息圖的優化損失函數；步驟24：根據基于結構化信息圖的優化損失函數縮小目標模型和替代模型輸出間的距離，更新并優化替代模型網絡參數；步驟25：根據基于結構化信息圖的優化損失函數擴大目標模型和替代模型輸出間的距離，更新并優化生成器網絡參數。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人復旦大學，其通訊地址為：200433 上海市楊浦區邯鄲路220號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。