-
公开(公告)号：CN113726976B
公开(公告)日：2023-07-11
申请号：CN202111021882.6
申请日：2021-09-01
Applicant: 南京信息工程大学
IPC: H04N1/32 , H04N1/44 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开一种基于编码‑解码网络的大容量以图藏图方法和系统，属于图像处理技术领域，其将一张载体图像和两张秘密图像输入到基于Res2Net‑Inception‑SE模块的双分支编码网络，得到含密图像，再将含密图像输入到W‑Net解码网络，得到重构的两张秘密图像，根据含密图像质量、重构秘密图像质量设计混合损失函数，并将其作为隐写网络的总损失函数，以最小化损失函数为目标优化隐写网络，当损失下降并保持稳定时认为训练结束；较已有算法相比，本发明具有高隐藏容量以及高隐蔽性。
-
Patent Agency Ranking
公开(公告)号：CN117201063A
公开(公告)日：2023-12-08
申请号：CN202310895502.4
申请日：2023-07-20
Applicant: 南京信息工程大学
IPC: H04L9/40 , G06F18/214 , G06F18/243 , G06N3/045 , G06N3/048 , G06F123/02
Abstract: 本发明提供基于多维特征提取的以太坊钓鱼诈骗地址检测方法和系统，涉及数据处理技术领域，该方法包括：接收待测目标地址的统计特征；接收待测目标地址的多维信息时序特征；利用提取的统计特征和时序特征对待测目标地址二阶交易的网络结构特征及节点结构特征提取；将待测目标地址的统计特征、时序特征、二阶交易的网络结构特征及节点结构进行拼接，整体输入至预设的随机森林分类模型进行钓鱼诈骗地址检测。本发明能有效提取待测目标地址交易中的时序特征信息，结合提取的统计特征，通过基于GCN的双层结构特征提取网络，提取待测目标地址二阶交易的网络结构特征及节点结构特征，最终通过随机森林分类可以有效检测以太坊中的钓鱼诈骗地址。
-
公开(公告)号：CN113592693B
公开(公告)日：2023-05-12
申请号：CN202110786024.4
申请日：2021-07-12
Applicant: 南京信息工程大学
IPC: G06T1/00 , G06N3/0455 , G06N3/0464 , G06N3/045 , G06N3/094
Abstract: 本发明公开了一种基于Y‑Net的数字水印方法、装置及系统，将载体图像和水印图像输入到Y‑Net生成网络中，生成含水印图像；将含水印图像输入到经过预训练的压缩损失模拟网络中，得到模拟压缩含水印图像；采用经过预先训练的判别网络对模拟压缩含水印图像进行判别，得到判别结果；同时将模拟压缩含水印图像输入到提取网络中，得到重构的水印图像；根据根据所述含水印图像、重构水印图像以及判别网络结果计算整个水印网络的总损失函数，以最小化损失函数为目标优化水印网络，当损失下降并保持稳定时认为训练结束。其中，在训练过程中，判别网络、压缩损失模拟网络权重固定。较已有算法相比，本发明具有高水印容量、高隐蔽性、高安全性以及强鲁棒性。
-
公开(公告)号：CN113726976A
公开(公告)日：2021-11-30
申请号：CN202111021882.6
申请日：2021-09-01
Applicant: 南京信息工程大学
Abstract: 本发明公开一种基于编码‑解码网络的大容量以图藏图方法和系统，属于图像处理技术领域，其将一张载体图像和两张秘密图像输入到基于Res2Net‑Inception‑SE模块的双分支编码网络，得到含密图像，再将含密图像输入到W‑Net解码网络，得到重构的两张秘密图像，根据含密图像质量、重构秘密图像质量设计混合损失函数，并将其作为隐写网络的总损失函数，以最小化损失函数为目标优化隐写网络，当损失下降并保持稳定时认为训练结束；较已有算法相比，本发明具有高隐藏容量以及高隐蔽性。
-
公开(公告)号：CN116132682A
公开(公告)日：2023-05-16
申请号：CN202310033855.3
申请日：2023-01-10
Applicant: 南京信息工程大学
IPC: H04N19/154 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/082 , H04N19/467
Abstract: 本发明公开了一种基于像素级奖励机制的以图藏图方法及系统，在进行秘密图像隐藏时，将彩色载体图像和灰度秘密图像输入到训练好的图藏图网络中，生成含密图像；在进行秘密图像提取时，将含密图像输入到训练好的图藏图网络中，得到重构秘密图像；以图藏图网络的训练，包括：利用图像级联隐藏网络、基于U‑Net++结构的重构网络和裁判网络构建图藏图网络；根据图像级联隐藏网络的损失函数、基于U‑Net++结构的重构网络的损失函数和裁判网络的判别结果以及像素级奖励矩阵构建图藏图网络的的总损失函数；以总损失函数最小为目标优化以图藏图网络进行训练，得到训练好的以图藏图网络。优点：本发明具有高隐蔽性，高安全性以及高计算效率。
-
公开(公告)号：CN113592693A
公开(公告)日：2021-11-02
申请号：CN202110786024.4
申请日：2021-07-12
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于Y‑Net的数字水印方法、装置及系统，将载体图像和水印图像输入到Y‑Net生成网络中，生成含水印图像；将含水印图像输入到经过预训练的压缩损失模拟网络中，得到模拟压缩含水印图像；采用经过预先训练的判别网络对模拟压缩含水印图像进行判别，得到判别结果；同时将模拟压缩含水印图像输入到提取网络中，得到重构的水印图像；根据根据所述含水印图像、重构水印图像以及判别网络结果计算整个水印网络的总损失函数，以最小化损失函数为目标优化水印网络，当损失下降并保持稳定时认为训练结束。其中，在训练过程中，判别网络、压缩损失模拟网络权重固定。较已有算法相比，本发明具有高水印容量、高隐蔽性、高安全性以及强鲁棒性。
-
-
-
-
-
Search Results
6
records
(took 0.048 seconds)
