一种基于GAN的水印攻击方法及系统、数字水印嵌入方法技术方案

本发明专利技术涉及数字水印技术领域，提出一种基于GAN的水印攻击方法及系统，以及一种数字水印嵌入方法。其中：对水印图像进行加密后嵌入原始图像的特征点位置，得到带水印图像；将带水印图像输入包括第一生成器和第一判别器的第一GAN神经网络中；带水印图像输入第一生成器中遭受水印攻击，生成与原始图像相同尺寸的去水印图像；将去水印图像输入第一判别器中，第一判别器输出图像是否经过水印攻击的判别标签；根据带水印图像及去水印图像相应的特征图，采用损失函数对第一GAN神经网络进行优化，直至达到预设的截止条件，或直至第一生成器和第一判别器的参数收敛，得到完成训练的第一生成器和第一判别器；第一生成器用于执行水印攻击。击。击。

【技术实现步骤摘要】
一种基于GAN的水印攻击方法及系统、数字水印嵌入方法


[0001]本专利技术涉及数字水印
，更具体地，涉及一种基于GAN的水印攻击方法及系统，以及一种数字水印嵌入方法。

技术介绍

[0002]随着数字媒体和互联网技术的快速发展，为提高数字媒体内容的版权保护，主要通过对数字媒体内容添加水印图像，即利用数据嵌入方法隐藏在数字图像产品中，用以证明创作者对其作品的所有权，并作为鉴定、起诉非法侵权的依据。而为了增强图像水印技术的鲁棒性，目前主要通过提高水印攻击能力的角度开发新的水印攻击方法。
[0003]水印攻击主要是指将造成含水印的多媒体信息失真的行为。攻击者通常位于传输的信道上，攻击的目的主要包括：找出隐藏有水印的媒体；指出该媒体中水印信息的含义；在不对含有水印的媒体做大的修改的前提下，删除隐含的水印信息；删除所有可能嵌入水印的媒体。目前，水印攻击方法有很多种，如加性噪声、图像滤波、有损压缩和几何攻击等。这些传统的攻击方法可以在很大程度上验证水印方案的鲁棒性。然而，对于许多实际应用场景，许多需要保护的图像不能以视觉质量损失为代价来验证水本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于GAN的水印攻击方法，其特征在于，包括以下步骤：对水印图像进行加密后嵌入原始图像的特征点位置，得到带水印图像；将带水印图像输入包括第一生成器和第一判别器的第一GAN神经网络中；所述带水印图像输入第一生成器中遭受水印攻击，生成与原始图像相同尺寸的去水印图像；将去水印图像输入第一判别器中，所述第一判别器输出图像是否经过水印攻击的判别标签；根据带水印图像及去水印图像相应的特征图，采用损失函数对第一GAN神经网络进行优化，直至达到预设的截止条件，或直至第一生成器和第一判别器的参数收敛，得到完成训练的第一生成器和第一判别器；所述第一生成器用于执行水印攻击。2.根据权利要求1所述的基于GAN的水印攻击方法，其特征在于，对水印图像进行加密后嵌入原始图像的特征点位置的步骤包括：采用加密算法对水印图像进行加密；采用特征提取算法对原始图像进行特征点的提取；将经过加密的水印图像嵌入至原始图像的特征点位置，得到带水印图像。3.根据权利要求2所述的基于GAN的水印攻击方法，其特征在于，采用加密算法对水印图像进行加密的步骤包括：采用Arnold置乱算法对水印图像置乱处理，得到加密后的水印信息；其置乱变换的表达式如下所示：式中，x,y为水印图像的原始坐标，x
′
,y
′
为水印图像经置乱变换后的坐标；a,b为可选参数，N为置乱次数。4.根据权利要求1所述的基于GAN的水印攻击方法，其特征在于，所述第一生成器由一个具有跳跃连接的编解码器体系结构组成。5.根据权利要求4所述的基于GAN的水印攻击方法，其特征在于，所述第一生成器包括压缩模块和扩展模块，其中：所述压缩模块包括8个卷积神经层，所述卷积神经层中的卷积核大小为3
×
3，步幅大小为2；每个卷积神经层后连接有一个BN层和ReLU层；所述扩展模块包括8个上采样层，所述上采样层与所述卷积神经层跳跃连接。6.根据权利要求1～5任一项所述的基于GAN的水印攻击方法，其特征在于，采用损失函数对第一GAN神经网络进行优化的步骤包括：通过VGG16模型提取原始图像的特征图，以及提取去水印图像的特征图；采用MSE损失函数和感知损失函数评估去水印图像与原始图像之间的差距，得到第一生成器的损失值L
G
；其表达式如下所示：式中，VGG
k
(
·
)表示从VGG16模型中的第k层中提取的特征，N为VGG16模型特征神经元的总数；I
a
表示去水印图像，I
o
表示原始图像；根据第...

【专利技术属性】
技术研发人员：单纯，周斯译，崔豪政，李冕杰，
申请(专利权)人：广东技术师范大学，
类型：发明
国别省市：