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！

龙图腾网获悉西安理工大学申请的专利一种针对高光谱图像分类网络的对象级对抗攻击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：CN117079136B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202311095761.5，技术领域涉及：G06V20/10；该发明授权一种针对高光谱图像分类网络的对象级对抗攻击方法是由石程;张梦馨;赵明华;吕志勇设计研发完成，并于2023-08-29向国家知识产权局提交的专利申请。

本一种针对高光谱图像分类网络的对象级对抗攻击方法在说明书摘要公布了：本发明公开了一种针对高光谱图像分类网络的对象级对抗攻击方法，包括如下：步骤一、对原始高光谱图像逐像素进行图像分块，得到多个干净样本；步骤二、输入多个干净样本，根据输入的多个干净样本尺寸，随机生成与干净样本尺寸相一致的初始扰动，与多个干净样本相加，得到初始的高光谱图像的对抗样本；步骤三、迭代更新扰动；步骤4、迭代更新受到2D过分割空间模板约束的扰动；步骤5、将所述最终扰动与干净样本相加，得到最终的高光谱图像对抗样本。采用该对抗攻击方法，提高了对抗样本的迁移性和鲁棒性，达到更好的攻击效果。

本发明授权一种针对高光谱图像分类网络的对象级对抗攻击方法在权利要求书中公布了：1.一种针对高光谱图像分类网络的对象级对抗攻击方法，其特征在于，包括以下步骤： 步骤一、对原始高光谱图像逐像素进行图像分块，得到多个干净样本； 步骤二、输入多个干净样本，根据输入的多个干净样本尺寸，随机生成与干净样本尺寸相一致的初始扰动，与多个干净样本相加，得到初始的高光谱图像的对抗样本； 步骤三、迭代更新扰动： 步骤3a、对原始高光谱图像采用主成分分析法进行光谱降维，对降维后的图像使用SLIC超像素分割方法生成2D过分割空间模板； 步骤3b、输入所述步骤二中的初始扰动，根据所述2D过分割空间模板，将所述初始扰动的每个像素值用其对应超像素内的扰动平均值替代，获得空间局部平滑的扰动； 步骤3c、更新所述步骤3b中的空间局部平滑的扰动并剪裁，得到更新后的空间局部平滑的扰动； 步骤3d、以所述步骤重复3c中的更新后的空间局部平滑的扰动作为输入，重复步骤3b和3c，迭代更新，得到受到2D过分割空间模板约束的扰动； 步骤4、迭代更新受到2D过分割空间模板约束的扰动： 步骤4a、对原始高光谱图像使用K均值聚类方法生成1D过分割光谱模板； 步骤4b、输入步骤3d中生成的受到2D过分割空间模板约束的扰动，根据1D过分割光谱模板，获得光谱维局部平滑的扰动； 步骤4c、更新并剪裁光谱维局部平滑的扰动，得到更新的光谱维局部平滑的扰动； 步骤4d、以所述步骤4c中生成的更新的光谱维局部平滑的扰动作为输入，重复步骤4b～4c，迭代更新，得到受2D过分割空间模板和1D过分割光谱模板约束的最终扰动； 步骤5、将所述最终扰动与干净样本相加，得到最终的高光谱图像对抗样本； 在所述步骤4b中，采用公式B得到更新后的空间局部平滑的扰动，如下所示： 其中：δi+1表示第i+1次迭代的扰动； clipε表示将扰动限制在[-ε,ε]内，ε为攻击强度，取值为0.01～0.1； α表示限制梯度与梯度范数的比值的参数，取值为1.0； J表示损失函数； x表示多个干净样本； y表示标签； fx+δi表示多个干净样本x加上扰动δi后模型的分类结果。

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西安理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路5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”。

以上内容由龙图腾AI智能生成。