一种基于深度学习的电子印章加解密方法、装置及介质制造方法及图纸

本发明专利技术涉及一种基于深度学习的电子印章加解密方法、装置及介质，涉及电子印章加解密技术领域。本申请将电子印章图像和电子印章图像溯源二维码结合并嵌入目标第一图像中形成镶嵌图像；通过预训练的特征提取神经网络处理目标第一图像和目标第二图像获取目标第一图像特征和目标第二图像特征；将镶嵌图像和目标第二图像特征进行拼接后输入预训练的第一生成器处理生成加密图像；将加密图像和目标第一图像特征结合传输，以实现电子印章的加密传输；解密时，加密图像和目标第一图像特征拼接，通过预训练的第二生成器还原出镶嵌图像，从镶嵌图像中提取电子印章图像和电子印章图像溯源二维码。本申请实现电子印章图像的加密传输，保护用章安全。

【技术实现步骤摘要】

本专利技术涉及电子印章加解密，尤其涉及一种基于深度学习的电子印章加解密方法、装置及介质。

技术介绍

1、电子印章技术通过数字技术模拟传统实物印章，加盖电子印章的电子文件具有与加盖实物印章的纸张文件相同的外观和效应。

2、对实物印章进行数字化后，能够节约成本，更加高效便捷；但是与此同时，由于电子印章网络传输过程中，被外部拦截获取，使得电子印章流出，安全性降低，容易导致重要的电子印章被复制滥用，进而造成电子印章所属公司的财产损失和公信力下降。现有技术中，有结合混沌系统对数字图像进行加密的方式，包括图像置乱和图像扩散过程，图像置乱是将图像的像素值排列顺序打乱，打乱后再通过图像扩散过程改变像素值，增强图像安全性和隐蔽性，这种方式加密后的图像呈混乱状态，缺乏迷惑性，且用公知的置乱和图像扩散算法实现图像加密，可能遍历置乱参数破解。

技术实现思路

1、为了解决上述技术问题或者至少部分地解决上述技术问题，本专利技术提供一种基于深度学习的电子印章加解密方法、装置及介质。

2、第一方面，本专利技术提供一种本文档来自技高网...

【技术保护点】

1.一种基于深度学习的电子印章加解密方法，其特征在于，包括：

2.根据权利要求1所述的基于深度学习的电子印章加解密方法，其特征在于，特征提取神经网络采用下面任一一种，包括：残差卷积神经网络，Unet语义分割模型的Unet编码器和扩张卷积，YOLO模型的骨干编码网络和扩张卷积；

3.根据权利要求1所述的基于深度学习的电子印章加解密方法，其特征在于，通过预训练的特征提取神经网络处理目标第一图像和目标第二图像分别获取解密用的目标第一图像特征和加密用的目标第二图像特征包括：从特征提取神经网络中选出浅层、中层和深层特征输出层，取浅层、中层和深层特征输出层的提取特征分别作为目...

【技术特征摘要】

1.一种基于深度学习的电子印章加解密方法，其特征在于，包括：

2.根据权利要求1所述的基于深度学习的电子印章加解密方法，其特征在于，特征提取神经网络采用下面任一一种，包括：残差卷积神经网络，unet语义分割模型的unet编码器和扩张卷积，yolo模型的骨干编码网络和扩张卷积；

3.根据权利要求1所述的基于深度学习的电子印章加解密方法，其特征在于，通过预训练的特征提取神经网络处理目标第一图像和目标第二图像分别获取解密用的目标第一图像特征和加密用的目标第二图像特征包括：从特征提取神经网络中选出浅层、中层和深层特征输出层，取浅层、中层和深层特征输出层的提取特征分别作为目标第一图像特征或目标第二图像特征三个通道中的一个通道。

4.根据权利要求1所述的基于深度学习的电子印章加解密方法，其特征在于，所述第一生成器和第二生成器的结构一致，均包括编码器、残差卷积颈和解码器；其中所述编码器采用降维的卷积神经网络，所述解码器采用升维的卷积神经网络，所述残差卷积颈连接编码器输出和解码器输入。

5.根据权利要求1所述的基于深度学习的电子印章加解密方法，其特征在于，训练所述第一生成器和所述第二生成器时，构建包含a类对象的第一图像集和包含b类对象的第二图像集，创建第一判别器和第二判别器；

【专利技术属性】
技术研发人员：韩晓光，时磊，王阳，张广涛，刘申，张磊，牟泽刚，吴昊，张帆，王成龙，秦晓燕，姚杨，秦萍，黄莉莎，郭丁鸣，程安娜，
申请(专利权)人：国网山东省电力公司济南供电公司，
类型：发明
国别省市：