(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111677008.8 (22)申请日 2021.12.31 (71)申请人 中国人民公安大 学 地址 100038 北京市西城区木樨地 南里1号 申请人 绿盟科技 集团股份有限公司 (72)发明人 仝鑫　王靖亚　刘文懋　 (74)专利代理 机构 郑州大通专利商标代理有限 公司 41111 代理人 张立强 (51)Int.Cl. G06V 40/30(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于Involution-GAN的手写签名对抗样本 生成方法 (57)摘要 本发明公开一种基于Involution ‑GAN的手 写 签 名 对 抗 样 本 生 成 方 法 ， 包 括 ： 构 建 Involution ‑GAN模型； 该模型由生成器、 判别器 和目标神经网络组成； 所述生成器中引入了 Involution算子； 将伪造手写签名图像输入构建 的Involution‑GAN模型中， 基于构建的模型生成 手写签名对抗样本。 本发明构建了Involution ‑ GAN模型； 同时对损失函数进行了优化并引入了 Involution算子， 最终使得生成的对 抗扰动噪声 尽可能地分布在书写笔迹上而非空白区域， 减少 被人眼觉察地可能性。 通过本发 明得到的手写签 名对抗样 本具有较高的质量， 通过该对抗样本可 以自动化检测现有手写签名鉴别系统的可靠性。 权利要求书2页 说明书5页 附图1页 CN 114399842 A 2022.04.26 CN 114399842 A 1.一种基于I nvolution‑GAN的手写签名对抗样本生成方法， 其特 征在于， 包括： 构建Involution ‑GAN模型； 所述Involution ‑GAN模型由生成器、 判别器和目标神经网 络组成； 所述 生成器中引入了I nvolution算子； 将伪造手写签名图像输入构建的Involution ‑GAN模型中， 基于构建的Involution ‑GAN 模型生成手写签名对抗样本 。 2.根据权利要求1所述的基于Involution ‑GAN的手写签名对抗样本生成方法， 其特征 在于， 包括： 通过生成器接收伪 造手写签名图像， 从中提取伪 造手写签名图像的空间特征并生成对 应的对抗扰动噪声； 通过扰动区域限制 损失函数Lregion对对抗扰动噪声 进行约束； 将扰动区域限制损失函数Lregion约束后的对抗扰动噪声和伪造手写签名图像进行叠 加， 生成一张手写签名对抗样本， 并将生成的手写签名对抗样本输入判别器和目标神经网 络中； 通过判别器区分生成的手写签名对抗样本与输入的伪造手写签名图像； 通过GAN损失函数LGAN训练判别器和生成器； 通过对抗损失函数Ladv最大化目标神经网络预测标签与真实标签之间的距离； 通过Lregion、 LGAN、 Ladv的约束， 生成最终的手写签名对抗样本 。 3.根据权利要求1或2所述的基于Involution ‑GAN的手写签名对抗样本生成方法， 其特 征在于， 所述目标神经网络为SigNet模型。 4.根据权利要求2所述的基于Involution ‑GAN的手写签名对抗样本生成方法， 其特征 在于， 所述扰动区域限制 损失函数Lregion为： Lregion＝||P*(1‑bin(X))||2            公式(2) 其中P表示生成的扰动噪声矩阵； X表示输入的原始手写签名图像样本； bin()是图像二 值化转换函数。 5.根据权利要求2所述的基于Involution ‑GAN的手写签名对抗样本生成方法， 其特征 在于， 所述GAN损失函数LGAN为： LGAN＝ExlogD(X)+Exlog(1‑D(X+G(X) ))       公式(1) 其中Ex表示计算期望； X表示输入的原始手写签名图像样本； D()为判别器函数； G()为 生成器函数。 6.根据权利要求2所述的基于Involution ‑GAN的手写签名对抗样本生成方法， 其特征 在于， 所述对抗损失函数Ladv为： 其中Ex表示计算期望； 表示计算目标神经网络的平均分类误差； 中， f表示目标 神经网络， l表示计算分类误差； X表示输入的原始手写签名图像样本； G()为生成器函数； t 表示X的标签。 7.根据权利要求1 ‑6任一所述的基于Involution ‑GAN的手写签名对抗样本生成方法， 其特征在于， 在所述将伪造手写签名图像输入构建的Involution ‑GAN模型中， 基于构建的 Involution‑GAN模型生成手写签名对抗样本之后， 还 包括：权　利　要　求　书 1/2 页 2 CN 114399842 A 2基于生成的手写签名对抗样本检测SigNet模型的可靠性。权　利　要　求　书 2/2 页 3 CN 114399842 A 3