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！

龙图腾网获悉东华大学;中国传媒大学申请的专利针对序列识别模型的帧级对齐边界对抗攻击方法、系统、装置、设备和介质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：CN121744272B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202610244478.1，技术领域涉及：G06F21/10；该发明授权针对序列识别模型的帧级对齐边界对抗攻击方法、系统、装置、设备和介质是由徐之恒;徐翊焜;李悦设计研发完成，并于2026-03-02向国家知识产权局提交的专利申请。

本针对序列识别模型的帧级对齐边界对抗攻击方法、系统、装置、设备和介质在说明书摘要公布了：本发明提出一种针对序列识别模型的帧级对齐边界对抗攻击方法、系统、装置、设备和介质，属于计算机视觉、语音处理与对抗机器学习领域。该方法包括：S1：在测试阶段输入样本到目标序列识别模型，得到初始参考对齐标签序列；S2：基于初始参考对齐标签序列，构建参考对齐标签与竞争标签之间的对齐边界边际；S3：基于对齐边界边际，利用平滑映射生成动态连续门控权重，构建门控加权的边际优化目标并迭代更新，得到候选对抗样本；S4：对候选对抗样本执行成功保持约束下的总变分TV平滑与幅度缩放搜索，生成高保真对抗样本。本发明可提升对抗攻击效率与成功率，可用于序列识别模型鲁棒性评估和隐私保护、版权保护等场景。

本发明授权针对序列识别模型的帧级对齐边界对抗攻击方法、系统、装置、设备和介质在权利要求书中公布了：1.一种针对序列识别模型的帧级对齐边界对抗攻击方法，其特征在于，包括： 步骤S1：在测试阶段将数据集的原始样本输入目标序列识别模型，得到每个样本对应的帧级对数概率矩阵，并构建初始参考对齐标签序列；其中，所述数据集包括图像集合或音频集合，以及对应的正确标签序列； 步骤S2：基于所述初始参考对齐标签序列和正确标签序列，筛选目标序列识别模型可正确识别的样本，依据所述样本对应的参考对齐标签序列和帧级对数概率矩阵，构建对齐边界边际； 步骤S3：基于所述对齐边界边际，利用平滑映射生成动态连续门控权重，构建门控加权对齐边界边际损失用于迭代更新，同时通过搜索机制自适应平衡攻击强度，得到候选对抗样本，具体包括： 步骤S301：初始化扰动，设置对抗攻击算法的最大迭代次数和学习率，并初始化权衡系数及其二分搜索参数，所述二分搜索参数包括：二分搜索次数、搜索下界与搜索上界，以及攻击成功后继续迭代次数； 步骤S302：开启权衡系数的二分搜索外层循环，在第次权衡系数搜索过程中，确定当前权衡系数，并执行内层迭代更新； 步骤S303：在内层迭代更新的第轮中，将扰动添加到原始样本，并执行数值裁剪得到当前候选对抗样本，其中，为裁剪函数，和分别输入样本的预设有效取值范围上下界，将输入目标序列识别模型，得到帧级对数概率矩阵； 步骤S304：基于帧级对数概率矩阵与参考对齐标签序列构造门控加权的边际优化目标，并结合扰动的范数项与当前权衡系数计算得到门控加权对齐边界边际损失Loss，具体包括： 步骤S3041：基于参考对齐标签序列，从帧级对数概率矩阵中提取各时间步对应参考对齐标签的对数概率值，作为参考得分； 步骤S3042：对于每个时间步，在帧级对数概率矩阵对应的预测向量中，排除参考对齐标签对应项以及预设无效符号项，在剩余项中选取最大对数概率值作为有效竞争得分； 步骤S3043：计算各时间步的对齐边界边际，并计算边际损失，是激活函数； 步骤S3044：对各时间步的对齐边界边际进行排序，选取边际值最小的前个时间步作为脆弱时间步集合； 步骤S3045：对所述脆弱时间步集合的对齐边界边际执行soft-min平滑最小化运算得到聚合边际值，并将所述聚合边际值通过Sigmoid函数映射得到原始门控系数； 步骤S3046：引入预热因子对进行预热混合，得到，其中，预热因子，为预设预热迭代次数，i表示第i轮迭代，并对门控权重设置非零下界，得到动态连续门控权重； S3047：基于计算识别置信度因子，其中为目标序列识别模型前向推理时产生的时间步数，并结合所述权衡系数、动态连续门控权重以及边际损失构造攻击损失： ； 步骤S3048：将所述攻击损失与扰动的范数项相加得到门控加权对齐边界边际损失： ； 步骤S305：计算Loss关于扰动的梯度； 步骤S306：对执行梯度范数裁剪处理，使更新方向的二范数不超过预设阈值； 步骤S307：利用Adam优化算法基于梯度更新扰动； 步骤S308：基于更新后的扰动生成候选对抗样本，并依据数值裁剪结果对扰动进行投影更新； 步骤S309：对当前内层迭代得到的候选对抗样本进行攻击成功判定，若攻击成功，当此时的扰动范数小于当前记录的，将作为最优候选对抗样本并使用当前更新，其中，表示最优扰动范数，表示范数；同时在不超过继续迭代次数的条件下继续迭代以进一步减小扰动；若攻击失败且未达到最大迭代次数，则返回执行步骤S303至步骤S309； 步骤S310：完成第次权衡系数搜索后，根据是否在当前权衡系数下获得攻击成功的候选对抗样本，更新权衡系数的搜索下界或搜索上界，并重复步骤S302至步骤S310直至达到二分搜索次数，输出搜索过程中扰动范数最小的候选对抗样本作为最终的候选对抗样本； 步骤S4：对所述候选对抗样本执行成功保持约束下的总变分TV平滑与幅度缩放搜索，生成高保真对抗样本，具体包括： 步骤S401：获取候选对抗样本、原始样本，并令最优扰动；在成功保持约束下构建稳定化目标函数，其中，包括用于保持攻击成功状态的成功保持约束项以及用于平滑扰动的总变分正则项，其中，为总变分系数，为总变分函数； 步骤S402：基于所述稳定化目标函数迭代更新扰动，并在每次更新后执行数值裁剪得到，并依据数值裁剪结果对扰动进行投影更新； 步骤S403：在稳定化迭代过程中，每次基于扰动更新得到临时样本，并通过解码结果判定其是否满足成功保持约束；当满足成功保持约束时，更新并记录当前最优对抗扰动；当不满足成功保持约束时，不更新最优记录，并继续迭代直至达到预设平滑迭代次数； 步骤S404：完成总变分TV平滑处理后，对平滑后的扰动执行幅度缩放搜索，令缩放系数，初始化、并记录最优缩放系数； 步骤S405：执行缩放系数的二分搜索，在第次搜索中令，构造缩放候选样本并测试是否满足成功保持约束，若满足，则令并更新；若不满足，则更新；重复该过程直至达到预设二分搜索次数； 步骤S406：输出高保真对抗样本。

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东华大学;中国传媒大学，其通讯地址为：201620 上海市松江区人民北路2999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。