一种对抗式生成网络版权保护方法技术

本发明专利技术公开了一种对抗式生成网络版权保护方法。本发明专利技术步骤：步骤1、收集N张包含指定物体的图片作为水印图像；步骤2、将指定的密钥字符串通过密钥生成函数得到特定长度的水印标签，并将该水印标签作为步骤1收集的水印图像的水印标签；将水印图像和水印标签结合作为触发集；步骤3、将步骤2得到的触发集与训练任务图像一起放入对抗式生成网络中训练，得到带水印的网络模型；步骤4、网络模型所有者持有水印标签，当网络模型版权发生争端时，模型所有者将特定的水印标签输入至生成器中，生成器返回相应的水印图像，与提供的训练水印图像进行比对，完成版权验证。本发明专利技术能够在不改变网络本身结构和不影响模型性能的情况下保护模型的版权，丰富了黑盒模型水印的研究。丰富了黑盒模型水印的研究。丰富了黑盒模型水印的研究。

【技术实现步骤摘要】
一种对抗式生成网络版权保护方法


[0001]本专利技术属于人工智能安全
，具体涉及一种对抗式生成网络版权保护方法。

技术介绍

[0002]最近，神经网络在人工智能领域取得了突破性的成功，受到了许多研究者的关注。随着人工智能的普及，一些科技公司，例如谷歌，小米等公司凭借着先进的神经网络模型推出了人工智能线上服务，为消费者提供智能产品和高质量服务，这样优秀的智慧服务给人们的生活带来了极大的便利。伴随着人工智能逐渐推动社会经济各个领域的发展，如何保证人工智能健康，安全地普及和使用成为了一个值得关注的问题。值得注意的是，作为产品或服务中的关键组件，商业化的神经网络模型并不容易被训练和建立。因为这样的模型需要投入大量的训练数据集和昂贵的计算资源。同时具有商业价值的神经网络模型容易受到攻击者的窃取，模型所有者的知识产权容易受到侵犯。因此，如何保护神经网络模型的知识产权已成为亟待解决的问题。
[0003]数字水印最早是用于嵌在需要保护数据中的数字信号，同时不影响原数据的可用性，水印技术可用于版权保护，数据追踪。随着神经网络模型的不断普及，水印概本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种对抗式生成网络版权保护方法，其特征在于包括如下步骤：步骤1、收集N张包含指定物体的图片作为水印图像；步骤2、将指定的密钥字符串通过密钥生成函数得到特定长度的水印标签，并将该水印标签作为步骤1收集的水印图像的水印标签；将水印图像和水印标签结合作为触发集；步骤3、将步骤2得到的触发集与训练任务图像一起放入对抗式生成网络中训练，得到带水印的网络模型；步骤4、网络模型所有者持有水印标签，当网络模型版权发生争端时，模型所有者将特定的水印标签输入至生成器中，生成器返回相应的水印图像，与提供的训练水印图像进行比对，完成版权验证。2.根据权利要求1所述的一种对抗式生成网络版权保护方法，其特征在于步骤3具体实现如下：步骤3.1、将触发集和训练任务图像打包为tfrecords文件用作训练集；步骤3.2、初始化生成器和判别器网络的参数；步骤3.3、生成器根据随机向量z和标签得到生成图像，并将生成图像、训练...

【专利技术属性】
技术研发人员：乔通，马鱼雁，江瑜，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：