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！

龙图腾网恭喜浙江工业大学申请的专利一种基于损失函数敏感度的深度学习样本测试方法与装置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：CN114707572B 。

龙图腾网通过国家知识产权局官网在2025-04-29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：202210173151.1，技术领域涉及：G06V10/774；该发明授权一种基于损失函数敏感度的深度学习样本测试方法与装置是由陈晋音;李晓豪;金海波;郑海斌;宣琦;倪洪杰设计研发完成，并于2022-02-24向国家知识产权局提交的专利申请。

本一种基于损失函数敏感度的深度学习样本测试方法与装置在说明书摘要公布了：本发明公开了一种基于损失函数敏感度的深度学习样本测试方法与装置，获取图像数据集作为干净样本，构建深度学习网络；对图像数据集进行对抗攻击操作，得到对抗样本；并进行筛选，得到总样本集，划分为训练样本集与测试样本集；设定损失函数敏感度函数；建立粒子群优化模型，计算损失敏感度漂移值，进行迭代更新，选取正常样本与对抗样本两类最优漂移样本集；利用最优漂移样本集进行训练，得到损失敏感度分类器；将两类最优漂移样本集输入深度学习网络重训练，得到测试模型；将测试样本集输入测试模型迭代，寻找最优漂移噪声样本，计算最优漂移噪声样本的损失函数敏感度漂移值，利用损失敏感度分类器判别，完成样本的检测。

本发明授权一种基于损失函数敏感度的深度学习样本测试方法与装置在权利要求书中公布了：1.一种基于损失函数敏感度的深度学习样本测试方法，其特征在于，包括以下步骤：1获取图像数据集作为正常样本，构建深度学习网络；2选取对抗攻击方法，对步骤1获取的图像数据集进行对抗攻击操作，得到对抗样本；并进行筛选，将筛选后的正常样本和对抗样本作为总样本集；将总样本集划分为训练样本集与测试样本集；3基于损失函数和训练样本集设定损失敏感度函数；所述步骤3具体为：3.1构建损失函数：将交叉熵函数设置为损失函数，公式为： 其中，C表示分类结果的个数；N表示训练样本的总数，h为网络的最终输出，hyi是类标签yi经深度学习网络后的输出，hj是第j个分类结果经深度学习网络后的输出；3.2构建损失敏感度函数：利用损失函数对训练样本求导生成的梯度函数作为目标函数，并利用二阶范数对其进行降维，其函数为： 式中，▽xloss表示对利用损失函数loss对训练样本x求偏导；通过在训练样本集上添加不同程度的噪声生成新的噪声样本，并且将训练样本集与噪声样本同时输入到深度学习网络中生成损失函数值；利用训练样本集与噪声样本的损失函数的偏移值，作为其损失敏感度函数：Ls＝Lfnoise-Lfnor其中，Lfnoise是添加噪声后的训练样本的损失敏感度值，Lfnor是初始未添加噪声的训练样本的损失敏感度值；4建立粒子群优化模型，计算所有样本的损失敏感度漂移值，对损失敏感度漂移值进行迭代更新，选取正常样本与对抗样本两类最优漂移样本集；利用最优漂移样本集进行训练，得到损失敏感度分类器；所述步骤4具体包括以下步骤：4.1对输入的所有样本添加随机噪声，进行粒子群优化模型初始化；4.2样本损失敏感度漂移值计算：输入的所有样本，通过步骤3设定的损失敏感度函数计算初始化后的添加随机噪声的每一样本的损失敏感度值，然后与该样本的损失敏感度值作差，得到不同噪声样本的损失敏感度值的漂移值；4.3更新历史最优位置与全局最优位置：计算粒子群的损失函数敏感度值，比较历史最佳损失函数敏感度并更新每个粒子的历史最优位置pbest、粒子群的全局最优位置gbest；4.4更新粒子群的速度vi和位置xi；4.5最优漂移样本选取：对输入的所有样本的损失函数敏感度进行不断地更新与优化，产生不同损失敏感度的噪声样本，在同一张输入样本的迭代更新中，记录下每张样本对应的最大损失函数敏感度的噪声样本，即最优漂移样本；将正常样本和对抗样本生成的不同最优漂移样本汇总，组成正常样本与对抗样本两类最优漂移样本集；4.6损失敏感度分类器构建：选取最优漂移样本区间记录下不同类样本的漂移区间，组成样本区间数据集，该数据集包括正常样本漂移区间类与对抗样本漂移区间类，利用二分类器，对上述数据集进行训练，训练出可以根据损失敏感度能分辨正常样本与对抗样本的二分类器；将该二分类器作为损失敏感度分类器；5将步骤4得到的两类最优漂移样本集输入步骤1构建的深度学习网络进行重训练，得到测试模型；将步骤2得到的测试样本集输入测试模型进行迭代更新，寻找出该测试样本集对应的最优漂移样本，计算出最优漂移样本的损失函数敏感度漂移值，并将该漂移值输入到步骤4构建的损失敏感度分类器中进行判别，完成样本的检测。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市下城区潮王路18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”。