一种基于动态化网络结构学习的黑盒攻击系统
实质审查的生效
摘要
本发明涉及计算机视觉图像处理领域，具体是一种基于动态化网络结构学习的黑盒攻击方法。提出了在无真实数据参与条件下的对于未知场景的目标黑盒模型的攻击方法。其中针对多样化的目标黑盒模型，提出了动态化网络结构学习的替代模型训练方法，自主性地生成最优的替代模型结构，并提出了基于结构化信息图的优化约束以提升替代模型的学习质量与效率，从而进一步提高其生成的对抗样本的攻击性能。该方法具有查询次数少、学习效率高、攻击成功率高等优点，非常适合无任何先验知识的黑盒攻击场景。
基本信息
专利标题 ：
一种基于动态化网络结构学习的黑盒攻击系统
专利标题（英）：
暂无
公开（公告）号 ：
CN114428954A
申请号 ：
CN202111629855.7
公开（公告）日 ：
2022-05-03
申请日 ：
2021-12-28
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
薛向阳王文萱钱学林付彦伟
申请人 ：
复旦大学
申请人地址 ：
上海市杨浦区邯郸路220号
代理机构 ：
北京纪凯知识产权代理有限公司
代理人 ：
陆惠中
优先权 ：
CN202111629855.7
主分类号 ：
G06F21/55
IPC分类号 ：
G06F21/55 G06N3/08
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06F
电数字数据处理
G06F21/00
防止未授权行为的保护计算机、其部件、程序或数据的安全装置
G06F21/50
监控用户、程序或设备，以维护平台完整。例如：处理器、固件或操作系统
G06F21/55
检测本地入侵或实施对策
法律状态
2022-05-20 ：
实质审查的生效
IPC(主分类) : G06F 21/55
申请日 : 20211228
申请日 : 20211228
2022-05-03 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
