基于区块链的对抗网络生成图片的虚拟IP保护方法及系统技术方案

本发明专利技术公开了一种基于区块链的对抗网络生成图片的虚拟IP保护方法及系统，所述方法包括：使用预先准备的训练数据训练预先构建的生成对抗网络模型，其中所述生成对抗网络模型包括生成器和判别器；通过预设的提取用户特征向量的方法将第一用户画像转换为第一用户特征向量；获取第一随机噪声，将所述第一用户特征向量与第一随机噪声拼接，获取第一图像特征向量；将所述第一图像特征向量输入所述训练后的生成对抗网络模型，获取第一用户形象图像；计算所述第一图像特征向量以及第一用户形象图像的哈希值，并将其作为用户的虚拟IP的哈希值写入区块链中。本发明专利技术可针对用户画像自动生成图像，避免相关的版权问题，且可以防止用户虚拟IP被侵权和篡改。

A Virtual IP Protection Method and System Based on Block Chain for Anti-network Pictures Generation

The invention discloses a virtual IP protection method and system based on block chain for generating pictures of antagonistic network. The method includes: training a pre-constructed antagonistic network model by using pre-prepared training data, wherein the generated antagonistic network model includes a generator and a discriminator, and converting the first user image into a user image by preset extraction of user feature vectors. First user feature vectors; obtaining first random noise, splicing the first user feature vectors with the first random noise to obtain the first image feature vectors; inputting the first image feature vectors into the training generated confrontation network model to obtain the first user image; calculating the first image feature vectors and the hash value of the first user image, It is written into the block chain as the hash value of the user's virtual IP. The invention can automatically generate images for user portraits, avoid related copyright problems, and prevent user virtual IP from being infringed and tampered with.

【技术实现步骤摘要】
基于区块链的对抗网络生成图片的虚拟IP保护方法及系统
本专利技术涉及区块链
，特别涉及一种基于区块链的对抗网络生成图片的虚拟IP保护方法及系统。
技术介绍
近几年区块链技术的研究与应用呈现出迅猛增长态势。区块链技术通过去中心化，运用数据加密、时间戳、分布式共识和经济激励等手段，在节点无需互相信任的分布式系统中实现基于去中心化信用的点对点交易、协调与协作，从而为解决中心化机构普遍存在的高成本、低效率和数据存储不安全等问题提供了解决方案。区块链具有可溯源、不可篡改、匿名等优势。与此同时，生成对抗网络(GenerativeAdversarialNetworks，GAN)是人工智能学界的另一个热门研究方向。GAN由一个生成器和一个判别器构成，使用对抗学习的方式迭代训练生成器与判别器。最终估测出训练数据的分布，并利用训练好的生成器模型生成新样本。GAN在图像领域的一个应用就是根据已知的某种类型的图像数据集生成新的图像。通过生成对抗网络(GAN)直接生成图像，可以。因此，如何结合利用生成对抗网络与区块链生成并保护图像，替代操作复杂的人工设计图像的过程，同时避免相关版权问题，保护用户的虚拟IP不被修改，成为一个亟需解决的问题。
技术实现思路
为了解决现有技术的问题，本专利技术实施例提供了一种基于区块链的对抗网络生成图片的虚拟IP保护方法及系统，以克服现有技术中人工设计图像操作复杂且容易引发相关版权问题、中心化存储不能保证用户的虚拟IP不被修改以及侵权等问题。为解决上述技术问题，本专利技术采用的技术方案是：一方面，提供了一种基于区块链的对抗网络生成图片的虚拟IP保护方法，所述方法包括如下步骤：S1：使用预先准备的训练数据训练预先构建的生成对抗网络模型，其中所述生成对抗网络模型包括生成器和判别器；S2：通过预设的提取用户特征向量的方法将第一用户画像转换为第一用户特征向量；S3：获取第一随机噪声，将所述第一用户特征向量与第一随机噪声拼接，获取第一图像特征向量；S4：将所述第一图像特征向量输入所述训练后的生成对抗网络模型，获取第一用户形象图像；S5：计算所述第一图像特征向量以及第一用户形象图像的哈希值，并将其作为用户的虚拟IP的哈希值写入区块链中。进一步的，所述步骤S1具体包括：S1.1：准备训练数据，通过预设的提取用户特征向量的方法将第二用户画像转换为第二用户特征向量；S1.2：获取第二随机噪声，将所述第二用户特征向量与第二随机噪声拼接，获取第二图像特征向量；S1.3：将所述第二图像特征向量输入所述生成对抗网络模型的生成器，获取第二用户形象图像；S1.4：将所述第二用户形象图像以及第二用户画像输入所述生成对抗网络模型的判别器，获取预测标签以及第二图像特征向量的预测值；S1.5：重复步骤S1.1至S1.4，直到达到停止条件为止。进一步的，所述获取第二随机噪声具体包括：设定第二种子，利用所述第二种子生成100维伯努利噪声，所述100维伯努利噪声即为所述第二随机噪声。进一步的，所述预设的提取用户特征向量的方法包括：将用户画像映射到一个n维向量上，其中，n＝1，2，3…，用户画像的每个特征对应向量中的至少一维。进一步的，所述获取第一随机噪声具体包括：设定第一种子，利用所述第一种子生成100维伯努利噪声，所述100维伯努利噪声即为所述第一随机噪声。进一步的，所述步骤S5具体包括：S5.1：对所述第一图像特征向量进行哈希计算，获取第一图像特征向量的哈希值；S5.2：对所述第一用户形象图像进行哈希计算，获取第一用户形象图像的哈希值；S5.3：将所述第一图像特征向量的哈希值与所述第一用户形象图像的哈希值进行拼接，作为用户的虚拟IP的哈希值，并将其写入区块链中。另一方面，提供了一种基于区块链的对抗网络生成图片的虚拟IP保护系统，所述系统包括：训练模块，用于使用预先准备的训练数据训练预先构建的生成对抗网络模型，其中所述生成对抗网络模型包括生成器和判别器；向量获取模块，用于通过预设的提取用户特征向量的方法将第一用户画像转换为第一用户特征向量；模型输入获取模块，用于获取第一随机噪声，并将所述第一用户特征向量与第一随机噪声拼接，获取第一图像特征向量；图像生成模块，用于将所述第一图像特征向量输入所述训练后的生成对抗网络模型，获取第一用户形象图像；计算模块，用于计算所述第一图像特征向量以及第一用户形象图像的哈希值；区块链，用于存储用户的虚拟IP的哈希值。进一步的，所述训练模块包括：训练数据获取单元，用于通过预设的提取用户特征向量的方法将第二用户画像转换为第二用户特征向量；向量拼接单元，用于获取第二随机噪声，并将所述第二用户特征向量与第二随机噪声拼接，获取第二图像特征向量；生成单元，将所述第二图像特征向量输入所述生成对抗网络模型的生成器，获取第二用户形象图像；判别单元，用于将所述第二用户形象图像以及第二用户画像输入所述生成对抗网络模型的判别器，获取预测标签以及第二图像特征向量的预测值。进一步的，所述向量拼接单元包括：第二随机噪声获取单元，用于设定第二种子，利用所述第二种子生成100维伯努利噪声，所述100维伯努利噪声即为所述第二随机噪声。进一步的，所述向量获取模块包括：映射单元，用于将用户画像映射到一个n维向量上，其中，n＝1，2，3…，用户画像的每个特征对应向量中的至少一维。进一步的，所述模型输入获取模块包括：第一随机噪声获取单元，用于设定第一种子，利用所述第一种子生成100维伯努利噪声，所述100维伯努利噪声即为所述第一随机噪声。进一步的，所述计算模块包括：计算单元，用于对所述第一图像特征向量进行哈希计算，获取第一图像特征向量的哈希值，以及对所述第一用户形象图像进行哈希计算，获取第一用户形象图像的哈希值；数据拼接单元，用于将所述第一图像特征向量的哈希值与所述第一用户形象图像的哈希值进行拼接，作为用户的虚拟IP哈希值；数据传送单元，用于将用户的虚拟IP的哈希值发送至区块链。本专利技术实施例提供的技术方案带来的有益效果是：1、本专利技术实施例提供的基于区块链的对抗网络生成图片的虚拟IP保护方法及系统，利用生成对抗网络模型，只需要输入用户属性就可以自动生成与用户相关的特征向量，并通过特征向量得到用户形象(即针对用户画像自动生成图像)，取代了操作复杂的人工设计图像的过程，同时不需要人工审核，就可以避免相关的版权问题；2、本专利技术实施例提供的基于区块链的对抗网络生成图片的虚拟IP保护方法及系统，将包含用户特征向量和用户形象的虚拟IP写入区块链，利用区块链的可追溯、不可篡改、匿名等优势，起到对用户虚拟IP防止侵权和篡改的作用。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是根据一示例性实施例示出的基于区块链的对抗网络生成图片的虚拟IP保护方法的流程图；图2是根据一示例性实施例示出的使用预先准备的训练数据训练预先构建的生成对抗网络模型的流程图；图3是根据一示例性实施例示出的计算所述第一图像特征向量以及用户形象图像的哈希值，并将其作为用户的虚拟IP的哈希值写入区块链中的流本文档来自技高网...

【技术保护点】
1.一种基于区块链的对抗网络生成图片的虚拟IP保护方法，其特征在于，所述方法包括如下步骤：S1：使用预先准备的训练数据训练预先构建的生成对抗网络模型，其中所述生成对抗网络模型包括生成器和判别器；S2：通过预设的提取用户特征向量的方法将第一用户画像转换为第一用户特征向量；S3：获取第一随机噪声，将所述第一用户特征向量与第一随机噪声拼接，获取第一图像特征向量；S4：将所述第一图像特征向量输入所述训练后的生成对抗网络模型，获取第一用户形象图像；S5：计算所述第一图像特征向量以及第一用户形象图像的哈希值，并将其作为用户的虚拟IP的哈希值写入区块链中。

【技术特征摘要】
1.一种基于区块链的对抗网络生成图片的虚拟IP保护方法，其特征在于，所述方法包括如下步骤：S1：使用预先准备的训练数据训练预先构建的生成对抗网络模型，其中所述生成对抗网络模型包括生成器和判别器；S2：通过预设的提取用户特征向量的方法将第一用户画像转换为第一用户特征向量；S3：获取第一随机噪声，将所述第一用户特征向量与第一随机噪声拼接，获取第一图像特征向量；S4：将所述第一图像特征向量输入所述训练后的生成对抗网络模型，获取第一用户形象图像；S5：计算所述第一图像特征向量以及第一用户形象图像的哈希值，并将其作为用户的虚拟IP的哈希值写入区块链中。2.根据权利要求1所述的基于区块链的对抗网络生成图片的虚拟IP保护方法，其特征在于，所述步骤S1具体包括：S1.1：准备训练数据，通过预设的提取用户特征向量的方法将第二用户画像转换为第二用户特征向量；S1.2：获取第二随机噪声，将所述第二用户特征向量与第二随机噪声拼接，获取第二图像特征向量；S1.3：将所述第二图像特征向量输入所述生成对抗网络模型的生成器，获取第二用户形象图像；S1.4：将所述第二用户形象图像以及第二用户画像输入所述生成对抗网络模型的判别器，获取预测标签以及第二图像特征向量的预测值；S1.5：重复步骤S1.1至S1.4，直到达到停止条件为止。3.根据权利要求2所述的基于区块链的对抗网络生成图片的虚拟IP保护方法，其特征在于，所述获取第二随机噪声具体包括：设定第二种子，利用所述第二种子生成100维伯努利噪声，所述100维伯努利噪声即为所述第二随机噪声。4.根据权利要求1或2所述的基于区块链的对抗网络生成图片的虚拟IP保护方法，其特征在于，所述预设的提取用户特征向量的方法包括：将用户画像映射到一个n维向量上，其中，n＝1，2，3…，用户画像的每个特征对应向量中的至少一维。5.根据权利要求1或2所述的基于区块链的对抗网络生成图片的虚拟IP保护方法，其特征在于，所述获取第一随机噪声具体包括：设定第一种子，利用所述第一种子生成100维伯努利噪声，所述100维伯努利噪声即为所述第一随机噪声。6.根据权利要求1或2所述的基于区块链的对抗网络生成图片的虚拟IP保护方法，其特征在于，所述步骤S5具体包括：S5.1：对所述第一图像特征向量进行哈希计算，获取第一图像特征向量的哈希值；S5.2：对所述第一用户形象图像进行哈希计算，获取第一用户形象图像的哈希值；S5.3：将所述第一图像特征向量的哈希值与所述第一用户形象图像的哈希值进行拼接，作为用户的虚拟IP的哈希值，并将其写入区块链中。7.一种基于区块链的对抗网络生成图片的...

【专利技术属性】
技术研发人员：李宏宇，韩天奇，卞杰，李雪峰，
申请(专利权)人：众安信息技术服务有限公司，
类型：发明
国别省市：广东,44