【技术实现步骤摘要】
本专利技术涉及数字水印嵌入，尤其涉及一种模型水印嵌入方法、装置、电子设备及存储介质。
技术介绍
1、近年来，人工智能与深度学习已经取得了在图像复原任务中的显著进展。具体包括图像去噪、图像超分辨率、图像去模糊、低光图像增强、图像去雨等。这些模型通常需要大量的训练数据、计算资源、人力成本等，它们的训练代价十分高昂。许多组织和个人投入了大量的时间、资源和研发成本来训练这些图像复原模型。因此，保护这些模型的知识产权对于确保研究机构和企业的商业价值非常重要。由于模型的知识产权价值巨大，存在未经授权使用和盗用的风险。黑客、竞争对手或其他恶意方可能会尝试复制、分发或滥用这些模型，从而损害模型创建者的权益。因此，用于确保研究机构和企业的商业价值的模型水印保护技术得到了飞快的发展。
2、而现有的模型水印保护技术，主要分为白盒水印方法和黑盒水印方法，当前较为流行黑盒水印方法，一般黑盒方法会定义好“触发数据”与“水印数据”对，在微调模型并后门嵌入该“触发-水印”数据对后，验证时，仅需把触发数据输入到模型中，即可得到水印数据。而针对当前的黑盒水印方法，模型窃取者通常采用水印覆盖攻击，即：通过提取并分析模型嵌入的“触发-水印”数据对，在模型上再次嵌入其他水印，干扰或覆盖模型原有的“触发-水印”数据对的映射，进而来达到窃取模型的目的。因此，亟需一种鲁棒性更强的模型水印嵌入方法来防止模型被非法窃取，进而增强对模型知识产权的保护。
技术实现思路
1、本专利技术实施例提供一种模型水印嵌入方法、装置、电子
2、本专利技术一实施例提供了一种模型水印嵌入方法，包括：
3、获取用于图像优化处 理的水印模型；
4、获取一初始图像；
5、根据所述水印模型的图像优化任务过程，构建一图像退化任务；
6、对所述初始图像重复执行图像优化操作，直至图像优化损失函数收敛，以使最后一次图像优化操作生成的优化图像和复原图像之间的差异最大化；
7、将所述最后一次图像优化操作生成的优化图像作为水印图像，并采用所述图像退化任务对所述水印图像进行退化处理，生成触发图像；
8、根据所述水印图像以及所述触发图像构建嵌入数据，并将所述嵌入数据嵌入所述水印模型中，以使所述水印模型在接收到所述触发图像时，输出所述水印图像；
9、其中，所述图像优化操作，包括：
10、获取待优化图像；其中，初始时的待优化图像为所述初始图像；
11、采用所述图像退化任务对所述待优化图像进行退化处理，生成退化图像；
12、采用所述水印模型对所述退化图像进行图像复原，并输出复原图像；
13、根据所述待优化图像与所述复原图像之间的相似度，修改所述待优化图像的图像参数，生成优化图像；
14、判断图像优化损失函数是否收敛；
15、在确定所述图像优化损失函数不收敛时，将所述优化图像作为下一次图像优化操作所需的待优化图像。
16、进一步的，所述将所述嵌入数据嵌入所述水印模型中，以使所述水印模型在接收到所述触发图像时，输出所述水印图像，包括：
17、获取所述水印模型在训练时使用的若干训练样本；
18、采用所述嵌入数据与若干所述训练样本，对所述水印模型进行训练，直至嵌入损失函数收敛，以使所述水印模型在接收到所述触发图像时，输出所述水印图像。
19、进一步的，所述获取一初始图像，包括：
20、生成每个像素点均满足同一随机分布类型的一张噪声图像，并对所述噪声图像进行随机采样，生成所述初始图像。
21、进一步的，所述获取一初始图像，包括：
22、从预设的图像获取途径中，随机抽取一张图片，作为所述初始图像。
23、进一步的，根据所述水印模型的图像优化任务过程，制定一图像退化任务，包括：
24、将所述水印模型的图像优化任务，拆分为若干图像优化子任务；
25、根据所述图像优化子任务，构建若干图像退化子任务；其中，所述图像退化子任务对图像的处理效果，与所述图像优化子任务对图像的处理效果完全相反；
26、根据所述水印模型的图像优化任务过程的完全逆向过程，组合所述图像退化子任务，构建所述图像退化任务。
27、进一步的，所述图像优化损失函数，由参数优化损失函数以及第一约束损失函数构成；
28、所述参数优化损失函数，为：
29、;
30、其中，为参数优化损失函数，为待优化图像，为退化图像，为复原图像；
31、所述第一约束损失函数，为：
32、++q；
33、其中，为第一约束损失函数，为能量损失函数，为全变分损失函数，为均值固定损失函数，为标准差固定函数，n、m、p、q均为各项损失函数的权重。
34、进一步的，所述嵌入损失函数，由水印损失函数以及第二约束损失函数构成；
35、所述水印损失函数，为：
36、；
37、其中，为水印损失函数，为水印图像，为触发图像，m（）为所述触发图像经过所述水印模型复原后的图像；
38、所述第二约束损失函数，为：
39、；
40、其中，为第二约束损失函数，为所述训练样本的数量，为所述训练样本的输入样本，为所述输入样本对应的标签，为所述水印模型在训练时的损失函数。
41、本专利技术另一实施例提供了一种模型水印嵌入装置，包括：
42、水印模型获取模块，用于获取用于图像优化处理的水印模型；
43、初始图像获取模块，用于获取一初始图像；
44、退化任务生成模块，用于根据所述水印模型的图像优化任务过程，构建一图像退化任务；
45、图像优化模块，用于对所述初始图像重复执行图像优化操作，直至图像优化损失函数收敛，以使最后一次图像优化操作生成的优化图像和复原图像之间的差异最大化；
46、触发图像生成模块，用于采用所述图像退化任务对所述优化图像进行退化处理，生成触发图像；
47、嵌入数据生成模块，用于将所述最后一次图像优化操作生成的优化图像作为水印图像，并采用所述图像退化任务对所述水印图像进行退化处理，生成触发图像；
48、水印嵌入模块，用于根据所述水印图像以及所述触发图像构建嵌入数据，并将所述嵌入数据嵌入所述水印模型中，以使所述水印模型在接收到所述触发图像时，输出所述水印图像；
49、其中，所述图像优化操作，包括：
50、获取待优化图像；其中，初始时的待优化图像为所述初始图像；
51、采用所述图像退化任务对所述待优化图像进行退化处理，生成退化图像；
52、采用所述水印模型对所述退化图像进行图像复原，并输出复原图像；
53、根据所述待优化图像与所述复原图像之间本文档来自技高网...
【技术保护点】
1.一种模型水印嵌入方法，其特征在于，包括：
2.如权利要求1所述的一种模型水印嵌入方法，其特征在于，所述将所述嵌入数据嵌入所述水印模型中，以使所述水印模型在接收到所述触发图像时，输出所述水印图像，包括：
3.如权利要求2所述的一种模型水印嵌入方法，其特征在于，所述获取一初始图像，包括：
4.如权利要求3所述的一种模型水印嵌入方法，其特征在于，所述获取一初始图像，包括：
5.如权利要求4所述的一种模型水印嵌入方法，其特征在于，根据所述水印模型的图像优化任务过程，制定一图像退化任务，包括：
6.如权利要求5所述的一种模型水印嵌入方法，其特征在于，所述图像优化损失函数，由参数优化损失函数以及第一约束损失函数构成；
7.如权利要求6所述的一种模型水印嵌入方法，其特征在于，所述嵌入损失函数，由水印损失函数以及第二约束损失函数构成；
8.一种模型水印嵌入装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理
10.一种存储介质，其特征在于，所述存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述存储介质所在设备执行如权利要求1至7中任意一项所述的一种模型水印嵌入方法。
...【技术特征摘要】
1.一种模型水印嵌入方法，其特征在于，包括：
2.如权利要求1所述的一种模型水印嵌入方法，其特征在于，所述将所述嵌入数据嵌入所述水印模型中，以使所述水印模型在接收到所述触发图像时，输出所述水印图像，包括：
3.如权利要求2所述的一种模型水印嵌入方法，其特征在于，所述获取一初始图像，包括：
4.如权利要求3所述的一种模型水印嵌入方法，其特征在于，所述获取一初始图像，包括：
5.如权利要求4所述的一种模型水印嵌入方法，其特征在于，根据所述水印模型的图像优化任务过程，制定一图像退化任务，包括：
6.如权利要求5所述的一种模型水印嵌入方法，其特征在于，所述图像优化损失函数，...
【专利技术属性】
技术研发人员：滕寰，梁铭炬，刘彬，全宇晖，卢新昌，许晓珊，
申请(专利权)人：广东佛山联创工程研究生院，
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。