保护图像处理网络的水印嵌入方法、水印提取方法及系统技术方案

本发明专利技术公开了一种保护图像处理网络的水印嵌入方法、水印提取方法及系统，本发明专利技术获取模型层中对应输入图像的位置，将n个水印数值分别嵌入模型输出图像上的n个位置，仅将水印串嵌入到输出的图像中，并没改变网络模型的结构，没有增加网络模型的规模，进而不会增加网络训练的难度。络训练的难度。络训练的难度。

【技术实现步骤摘要】
保护图像处理网络的水印嵌入方法、水印提取方法及系统


[0001]本专利技术涉及一种保护图像处理网络的水印嵌入方法、水印提取方法及系统，属于计算机科学与


技术介绍

[0002]目前，对于图像处理网络的模型保护方法有Jie Zhang等人提出在原始模型的基础上训练一个水印的嵌入和提取网络，使得每张输入的图片在完成图像处理任务的同时嵌入水印。该文提出的水印框架要求图像处理模型的输出在递交用户之前先在网络嵌入一个不可见的水印。嵌入了水印的输出能够被水印提取网络提取出版权信息。在替代模型攻击场景下，攻击者只能获取自己的输入和嵌入了水印的输出，其训练的图像处理网络的输出中也会含有版权信息，从而使替代模型攻击失效。但是增加水印嵌入网络使原始模型的规模变大并且训练难度增加。

技术实现思路

[0003]本专利技术提供了一种保护图像处理网络的模型水印方法及系统，解决了
技术介绍
中披露的问题。
[0004]为了解决上述技术问题，本专利技术所采用的技术方案是：
[0005]保护图像处理网络的水印嵌入方法，包括：
[0006]采用预设的水印转换函数，将待嵌入水印串的各元素转换成水印数值；
[0007]根据待嵌入水印串的长度n，获取n层模型层；
[0008]采用预设的位置函数，获取n层模型层中对应输入图像的位置；
[0009]将n个水印数值分别嵌入模型输出图像上的n个位置。
[0010]水印转换函数为：
[0011][0012]其中，w
i
为待嵌入水印串的第i个元素，i∈[1,n]，w
i
′
为w
i
转换成的水印数值。
[0013]位置函数为：
[0014][0015]其中，k
i
为第i层模型层中对应输入图像的位置，X
i
为第i层模型层的输入图像，p为经过第i层模型层特征图的大小，m表示X
i
在第i层模型层具有的特征映射数量，表示X
i
在第k个特征中的每个元素，表示X
i
在第k个特征中的均值。
[0016]保护图像处理网络的水印嵌入系统，包括：
[0017]转换模块，采用预设的水印转换函数，将待嵌入水印串的各元素转换成数值；
[0018]模型层获取模块，根据待嵌入水印串的长度n，获取n层模型层；
[0019]位置获取模块，采用预设的位置函数，获取n层模型层中对应输入图像的位置；
[0020]嵌入模块，将n个水印数值分别嵌入模型输出图像上的n个位置。
[0021]水印转换函数为：
[0022][0023]其中，w
i
为待嵌入水印串的第i个元素，i∈[1,n]，w
i
′
为w
i
转换成的水印数值。
[0024]位置函数为：
[0025][0026]其中，k
i
为第i层模型层中对应输入图像的位置，X
i
为第i层模型层的输入图像，p为经过第i层模型层特征图的大小，m表示X
i
在第i层模型层具有的特征映射数量，表示X
i
在第k个特征中的每个元素，表示X
i
在第k个特征中的均值。
[0027]保护图像处理网络的水印提取方法，包括：
[0028]获取嵌入水印串的图像；其中，图像采用权利要求1～3任意一项所述方法嵌入水印串；
[0029]根据嵌入水印串的图像、位置密钥和预设的提取函数，获取各水印数值；其中，位置密钥为n个位置构成的密钥；
[0030]采用预设的水印逆转换函数，将水印数值转换成水印串的各元素。
[0031]保护图像处理网络的水印提取系统，包括：
[0032]图像获取模块，获取嵌入水印串的图像；其中，图像采用权利要求1～3任意一项所述方法嵌入水印串；
[0033]提取模块，根据嵌入水印串的图像、位置密钥和预设的提取函数，获取各水印数值；其中，位置密钥为n个位置构成的密钥；
[0034]逆转换模块，样预设的水印逆转换函数，将水印数值转换成水印串的各元素。
[0035]一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行保护图像处理网络的水印嵌入方法或水印提取方法。
[0036]一种计算设备，包括一个或多个处理器、一个或多个存储器以及一个或多个程序，其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行保护图像处理网络的水印嵌入方法或水印提取方法的指令。
[0037]本专利技术所达到的有益效果：本专利技术获取模型层中对应输入图像的位置，将n个水印数值分别嵌入模型输出图像上的n个位置，仅将水印串嵌入到输出的图像中，并没改变网络模型的结构，没有增加网络模型的规模，进而不会增加网络训练的难度。
附图说明
[0038]图1为本专利技术水印嵌入方法的流程图；
[0039]图2为本专利技术水印提取方法的流程图。
具体实施方式
[0040]下面结合附图对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。
[0041]如图1所示，保护图像处理网络的水印嵌入方法，包括以下步骤：
[0042]步骤1，采用预设的水印转换函数，将待嵌入水印串的各元素转换成水印数值；
[0043]步骤2，根据待嵌入水印串的长度n，获取n层模型层；
[0044]步骤3，采用预设的位置函数，获取n层模型层中对应输入图像的位置；
[0045]步骤4，将n个水印数值分别嵌入模型输出图像上的n个位置。
[0046]上述方法获取模型层中对应输入图像的位置，将n个水印数值分别嵌入模型输出图像上的n个位置，仅将水印串嵌入到输出的图像中，并没改变网络模型的结构，没有增加网络模型的规模，进而不会增加网络训练的难度。
[0047]以图像分割网络作为神经网络模型，该分割网络是Zhou Z et al.发表于2018年的U_net++，其任务是输入一张细胞图片将图片中的细胞和背景进行分割。对于细胞分割的数据集使用的是原论文中的Cell nuclei数据集，包含670张96
×
96的细胞图片，由于数据集中图片数量较少，对数据集进行数据扩充最终2000张96
×
96的图片参与触发样本生成网络的训练。
[0048]将包含2000张6
×
96的图片的数据集输入模型中，由于水印的强度会影响图像处理网络的输出结果，因此要将水印转换到合适的强度进行嵌入，即采用预设的水印转换函数，将待嵌入水印串的各元素转换成水印数值。
[0049]假设待嵌入水印串为W＝{w
i
|w
i<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.保护图像处理网络的水印嵌入方法，其特征在于，包括：采用预设的水印转换函数，将待嵌入水印串的各元素转换成水印数值；根据待嵌入水印串的长度n，获取n层模型层；采用预设的位置函数，获取n层模型层中对应输入图像的位置；将n个水印数值分别嵌入模型输出图像上的n个位置。2.根据权利要求1所述的保护图像处理网络的水印嵌入方法，其特征在于，水印转换函数为：其中，w
i
为待嵌入水印串的第i个元素，i∈[1,n]，w
i
′
为w
i
转换成的水印数值。3.根据权利要求1所述的保护图像处理网络的水印嵌入方法，其特征在于，位置函数为：其中，k
i
为第i层模型层中对应输入图像的位置，X
i
为第i层模型层的输入图像，p为经过第i层模型层特征图的大小，m表示X
i
在第i层模型层具有的特征映射数量，表示X
i
在第k个特征中的每个元素，表示X
i
在第k个特征中的均值。4.保护图像处理网络的水印嵌入系统，其特征在于，包括：转换模块，采用预设的水印转换函数，将待嵌入水印串的各元素转换成数值；模型层获取模块，根据待嵌入水印串的长度n，获取n层模型层；位置获取模块，采用预设的位置函数，获取n层模型层中对应输入图像的位置；嵌入模块，将n个水印数值分别嵌入模型输出图像上的n个位置。5.根据权利要求4所述的保护图像处理网络的水印嵌入系统，其特征在于，水印转换函数为：其中，w
i
为待嵌入水印串的第i个元素，i∈[1,n]，w
i
′
为w
i
转换...

【专利技术属性】
技术研发人员：陈先意，孟宇航，刘宇，颜凯，庄婧涵，张广星，
申请(专利权)人：南京启圣羽图信息科技有限公司，
类型：发明
国别省市：