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！

龙图腾网获悉湖南省网安数字信息安全技术有限公司申请的专利一种基于多维度对抗攻击的大模型安全测评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：CN121547305B 。

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：202610077064.4，技术领域涉及：H04L9/40；该发明授权一种基于多维度对抗攻击的大模型安全测评方法是由解鹏;陈丽红设计研发完成，并于2026-01-21向国家知识产权局提交的专利申请。

本一种基于多维度对抗攻击的大模型安全测评方法在说明书摘要公布了：本发明公开了一种基于多维度对抗攻击的大模型安全测评方法，通过构建多维度攻击场景描述，结合数据可用性破坏和系统完整性违反的特性，生成对抗样本序列，并在黑盒攻击模式下优化样本参数，精准定位模型薄弱环节。同时，基于风险量化值序列与安全画像机制，提取加固需求数据并反向优化生成防护路径，最终实现模型防护能力显著提升。本发明通过场景生成、样本优化与风险评估的闭环机制，有效应对复杂攻击环境，保障系统安全稳定性。

本发明授权一种基于多维度对抗攻击的大模型安全测评方法在权利要求书中公布了：1.一种基于多维度对抗攻击的大模型安全测评方法，其特征在于，包括以下步骤： S100、通过预设的安全评估框架借鉴机制，从攻击目标类型和攻击知识库维度获取初始参数，生成多维度网络攻击场景描述，得到包含数据可用性破坏和系统完整性违反的攻击场景集合； S200、根据所述攻击场景集合，采用样本生成算法针对输入数据模态和模型学习阶段进行适配处理，获得多模态对抗样本序列； S300、若所述多模态对抗样本序列在黑盒攻击模式下触发模型响应异常，则通过优化算法调整样本参数，确定优化后的对抗样本集； S400、从优化后的对抗样本集获取测试响应数据，采用风险量化算法计算攻击成功率指标，得到风险量化值序列； S500、若所述风险量化值序列超过预设阈值，则融合模型安全画像生成机制，获得模型薄弱环节定位结果； S600、从所述模型薄弱环节定位结果中提取加固需求数据，通过优化算法的反向应用处理所述加固需求数据，生成防护能力提升路径； 步骤S200包括： S210、解析攻击场景集合包含的多源异构数据流，确定输入数据模态及模型学习阶段； S220、根据所述输入数据模态及模型学习阶段构建多维特征空间，在所述多维特征空间内定位决策边界的脆弱特征区域； S230、针对所述脆弱特征区域计算反向传播梯度，生成自适应扰动因子矩阵； S240、将所述自适应扰动因子矩阵与原始输入数据融合并依据攻击路径逻辑进行时序编排，获得多模态对抗样本序列； 步骤S300包括： S310、若多模态对抗样本序列在黑盒攻击模式下触发模型响应异常，则解析响应置信度分布数据以筛选出异常响应样本子集； S320、针对所述异常响应样本子集初始化进化策略种群，计算所述进化策略种群内各实体的适应度函数值； S330、依据所述适应度函数值生成新一代候选样本集合，并将所述新一代候选样本集合映射至目标黑盒模型获取反馈信息； S340、基于所述反馈信息更新梯度估计向量以修正扰动方向，提取满足收敛状态判定指标的收敛个体以确定优化后的对抗样本集； 步骤S400包括： S410、从优化后的对抗样本集获取测试响应置信向量集合，所述测试响应置信向量集合由将优化后的对抗样本集输入目标黑盒模型进行推理遍历后捕获； S420、根据所述测试响应置信向量集合生成误判样本索引列表，所述误判样本索引列表通过提取预测类别并将所述预测类别与真实标签进行比对得到； S430、基于所述误判样本索引列表计算攻击成功率指标数值，所述攻击成功率指标数值系针对关联的置信度数值调用风险量化矩阵进行加权映射并归一化处理所得； S440、依据所述攻击成功率指标数值构建风险量化值序列； 步骤S500包括： S510、提取高风险对抗样本数据，所述高风险对抗样本数据依据超过预设安全阈值的风险量化值序列索引检索所得； S520、构建神经元激活状态矩阵，所述神经元激活状态矩阵由将所述高风险对抗样本数据输入目标黑盒模型计算捕获的响应值组成； S530、构建模型安全画像，所述模型安全画像通过融合基于所述神经元激活状态矩阵生成的特征敏感度图谱得到； S540、获得模型薄弱环节定位结果，所述模型薄弱环节定位结果依据解析所述模型安全画像生成的层级脆弱性映射表识别出敏感度方差最高的网络层级确定； 步骤S600包括： S610、解析模型薄弱环节定位结果，提取敏感度方差异常的网络层级索引，生成结构化加固的加固需求数据； 结构化加固需求数据通过以下公式得出： ； 其中，表示加固需求数据，表示异常层索引，表示加固优先级，表示加固强度，表示异常层数量； 通过以下公式得出用于提取敏感度方差异常的网络层级索引： ； 其中，表示第网络层的异常索引，为指示函数，表示层级的敏感度方差，表示预设异常阈值； S620、将所述加固需求数据映射为约束优化目标函数，计算所述约束优化目标函数的逆向梯度方向并确立反向优化求解空间； S630、在所述反向优化求解空间内计算权重修正张量，得到数值化调整量； S640、聚合基于所述数值化调整量生成的权重更新向量序列，依据所述权重更新向量序列生成最终的防护能力提升路径。

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湖南省网安数字信息安全技术有限公司，其通讯地址为：410200 湖南省长沙市岳麓区洋湖街道和顺路269号绿景欣苑二期2号栋17层1718；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。