【技术实现步骤摘要】
一种基于AI模型的高鲁棒性水印嵌入方法
[0001]本专利技术属于信息安全中的图像内容安全领域,具体涉及一种基于AI模型的高鲁棒性水印嵌入方法。
技术介绍
[0002]随着5G传输技术和互联网的飞速发展,基于云存储的社交媒体软件已经成为人们日常生活中不可或缺的智能工具。越来越多的用户使用社交平台来发布自己的私人数据。然而,在这些公开的场合,一些恶意攻击者可能会非常轻易的取得这些数据,并用于一些牟利行为。因此,如何在社交平台中保护自己的数据,防止被恶意盗取,已经成为越来越多学者研究的问题。水印嵌入是一种常见的网络安全技术,其可以直接在原始图像中嵌入精心设计且不可察觉的水印,以此来保护这些数据的版权。以图像为例,嵌入的水印可以成为保护图像主要手段,若图像被恶意攻击者盗取,图像拥有者可以从这些图像中提取出自己嵌入的水印以此来证明图像的所属权;也可以在批量的图像中嵌入特定的水印,合法的接收者可以从这些图像中提取出所嵌入的水印,以此来验证图像的真实性以及有效性。
[0003]随着计算机的软、硬件的不断升级,基于深度学习的水印嵌入算法,得到了越来越多人的关注。这种技术可以将水印信息以人眼无法察觉的方式嵌入原始图像中。虽然传统的水印嵌入算法也能提供高质量的伪装图像,但是这些图像是由原始图像直接修改而来的,因此无法对抗一些针对图像的恶意攻击,而且也很难能逃脱基于深度学习的隐写分析检测。为了使水印信息可以抵御隐写分析的同时又能对抗针对图像的恶意攻击,本专利技术提出了一种基于AI模型的高鲁棒性水印嵌入算法。
技术实现思路
...
【技术保护点】
【技术特征摘要】
1.一种基于AI模型的高鲁棒性水印嵌入方法,其特征在于,具体步骤如下:S1:图像拥有者将待嵌入的水印信息映射成和原始图像大小相同的二进制水印图像,并和图像拼接,得到拼接图像;S2:图像拥有者将所述拼接图像输入用于将水印信息嵌入进原始图像中的水印嵌入模型,从而得到带有水印信息的伪装图像,并将伪装图像发送至云端或社交媒体中;所述水印嵌入模型基于RCAN模型进行训练得到,其输入为相同尺寸的二进制水印图像和原始图像的拼接结果,输出为带有水印信息的伪装图像;S3:接收者通过云端或社交媒体取得伪装图像后,使用微调好的水印提取模型来取得伪装图像中的水印信息;所述水印提取模型基于带有注意力机制模块的U
‑
net进行训练得到,其输入为伪装图像,输出为伪装图像中的水印信息,训练后的水印提取模型再通过微调使其能够对抗针对图像的恶意攻击。2.根据权利要求1所述的一种基于AI模型的高鲁棒性水印嵌入方法,其特征在于,所述S1中,图像拥有者得到拼接图像的方法如下:S11:图像拥有者先获取待嵌入水印信息和原始图像,所述原始图像为RGB图像,所述待嵌入水印信息为长度n2比特的二进制序列;然后将待嵌入水印信息的二进制序列重新按序排列成n
×
n的水印图像,再将水印图像通过上采样放大至与原始图像相同大小的N
×
N尺寸;S12:图像拥有者将上采样后的水印图像直接和原始图像O在颜色通道上进行拼接,得到拼接图像I
c
。3.根据权利要求2所述的一种基于AI模型的高鲁棒性水印嵌入方法,其特征在于,所述S3中,接收者使用微调好的水印提取模型提取出伪装图像中的水印信息的方法如下:S31:接收者将接收到的伪装图像输入水印提取模型E中进行提取水印信息S
′
;S32:接收者将提取的水印信息S
′
通过下采样缩小至n
×
n大小,并重新按序排列成长度n2比特的二进制序列,从而回复原始的水印信息。4.根据权利要求3所述的一种基于AI模型的高鲁棒性水印嵌入方法,其特征在于,所述水印嵌入模型和水印提取模型通过联合训练后再微调的方法得到,具体训练流程如下:首先,以RCAN模型作为初始的水印嵌入模型G,以带有注意力机制模块的U
‑
net模型作为初始的水印提取模型E,将对抗学习框架将水印嵌入模型G和水印提取模型E通过级联的方式联合并进行交替训练,使水印嵌入模型G能将水印以不可察觉的形式嵌入原始图像中形成伪装图像,并能让水印提取模型E完美地从伪装图像中提取出水印;然后基于添加图像攻击后的带有水印信息的伪装图像数据集...
【专利技术属性】
技术研发人员:高锴,张靖群,张真诚,袁文强,
申请(专利权)人:杭州电子科技大学上虞科学与工程研究院有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。