公开(公告)号：CN111768326B

公开(公告)日：2023-08-25

申请号：CN202010257335.7

申请日：2020-04-03

Applicant: 南京信息工程大学

Inventor： 孟若涵 ,  崔琦 ,  袁程胜 ,  周志立 ,  付章杰 ,  孙星明

IPC: G06T1/00 ,  G06T3/00 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/084 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明公开了一种基于GAN扩增图像前景物体的高容量数据保护方法，通过应用多种GAN于信息隐藏，得到嵌入失真概率图，并根据嵌入失真概率图计算不适合隐写区域，在不适合隐写区域中通过固定区域物体生成及信息嵌入模块生成前景物体，在生成图像中隐藏秘密信息，主要步骤如下：(1)将原始图像输入隐写概率图生成器；(2)计算隐写概率图；(3)计算不适合隐写区域；(4)向原始图像中增加纹理物体；(5)进行信息隐藏算法嵌入秘密信息。本发明预先为图像计算出不适合隐藏区域，实现对信息隐藏中原图像不适合隐藏区域的定向隐藏能力提升；提供增加隐藏容量、高安全性的高容量数据保护方法。

公开(公告)号：CN111768325B

公开(公告)日：2023-07-25

申请号：CN202010257323.4

申请日：2020-04-03

Applicant: 南京信息工程大学

Inventor： 崔琦 ,  孟若涵 ,  袁程胜 ,  周志立 ,  付章杰 ,  孙星明

IPC: G06T1/00 ,  G06F21/16 ,  G06F21/62 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明公开了一种大数据隐私保护中基于生成对抗样本的安全性提升方法，其特征在于，主要包括步骤如下：(1)原始信息的初始化；(2)通过生成器生成载体图像和通过对抗攻击生成对抗扰动图像；(3)将载体图像和对抗扰动图像进行线性混合；(4)对合成载体图像应用信息隐藏算法进行处理；所述步骤(1)～(4)中通过建立前景物体生成模块、强对抗扰动生成模块、信息隐藏模块以及线性混合函数，实现大数据隐私保护的安全性。本发明基于GAN的框架及对抗攻击算法，通过生成针对隐写分析模型的对抗扰动，实现对隐写分析的对抗干扰；使扰动与前景物体融合，降低不规则扰动的可察觉性；提供一种基于GAN生成对抗样本的大数据隐私保护方法。

公开(公告)号：CN116206375A

公开(公告)日：2023-06-02

申请号：CN202310474306.X

申请日：2023-04-28

Applicant: 南京信息工程大学

Inventor： 鲍志鹏 ,  周琪华 ,  周志立 ,  袁程胜 ,  潘文焱 ,  崔琦

IPC: G06V40/40 ,  G06V40/16 ,  G06V10/26 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/047 ,  G06N3/048 ,  G06N3/09 ,  G06N3/088

Abstract: 本发明公开了一种基于双层孪生网络和可持续学习的人脸伪造检测方法，包括步骤：构建用于持续学习策略的图像训练集；通过持续学习策略训练已构建的双层孪生网络，双层孪生网络包括：用于快速学习的有监督子网络，适用于慢速学习的无监督子网络和记忆模块；无监督子网络通过无监督学习提取特征并指导有监督子网络，有监督子网络在无监督子网络的指导下，进行有监督学习提取特征；记忆模块用于巩固学习到的知识；将待检测图像输入到训练好的检测模型，模型对图像进行分割检测，检测出图像中人脸伪造的具体位置。本发明能提高人脸伪造检测模型的准确性，同时实现对具体伪造位置的预测；利用持续学习策略，提升人脸伪造检测模型的泛化性能。

公开(公告)号：CN110084734B

公开(公告)日：2023-02-14

申请号：CN201910340335.0

申请日：2019-04-25

Applicant: 南京信息工程大学

Inventor： 崔琦 ,  孟若涵 ,  孙星明 ,  周志立 ,  袁程胜 ,  曹燚

IPC: G06T1/00 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明是一种基于物体局部生成对抗网络的大数据权属保护方法，在训练集上，载体图像经过多层的卷积网络，得到多组特征图，依次传入到载体重构模块。生成网络还包括多层反卷积网络，在生成条件经过多层反卷积后得到的特征图依次传入载体重构模块。将生成的目标载体图像输入到隐写网络，进行隐写区域的扩增和隐写秘密信息，随后将生成的图像输入到多粒度判别器中，对其分别在图像微弱特征和图像质量上判别，更新判别网络的参数，经过多次修改，得到网络模型参数并保存。发送方和接收方利用上述网络模型参数生成含秘图像或复原隐写区域并提取秘密信息。本专利实现了基于生成对抗网络信息隐藏，解决了生成对抗网络的隐写中的隐写问题，提高了安全性。

公开(公告)号：CN111768326A

公开(公告)日：2020-10-13

申请号：CN202010257335.7

申请日：2020-04-03

Applicant: 南京信息工程大学

Inventor： 孟若涵 ,  崔琦 ,  袁程胜 ,  周志立 ,  付章杰 ,  孙星明

IPC: G06T1/00 ,  G06T3/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于GAN扩增图像前景物体的高容量数据保护方法，通过应用多种GAN于信息隐藏，得到嵌入失真概率图，并根据嵌入失真概率图计算不适合隐写区域，在不适合隐写区域中通过固定区域物体生成及信息嵌入模块生成前景物体，在生成图像中隐藏秘密信息，主要步骤如下：(1)将原始图像输入隐写概率图生成器；(2)计算隐写概率图；(3)计算不适合隐写区域；(4)向原始图像中增加纹理物体；(5)进行信息隐藏算法嵌入秘密信息。本发明预先为图像计算出不适合隐藏区域，实现对信息隐藏中原图像不适合隐藏区域的定向隐藏能力提升；提供增加隐藏容量、高安全性的高容量数据保护方法。

公开(公告)号：CN111768325A

公开(公告)日：2020-10-13

申请号：CN202010257323.4

申请日：2020-04-03

Applicant: 南京信息工程大学

Inventor： 崔琦 ,  孟若涵 ,  袁程胜 ,  周志立 ,  付章杰 ,  孙星明

IPC: G06T1/00 ,  G06F21/16 ,  G06F21/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种大数据隐私保护中基于生成对抗样本的安全性提升方法，其特征在于，主要包括步骤如下：(1)原始信息的初始化；(2)通过生成器生成载体图像和通过对抗攻击生成对抗扰动图像；(3)将载体图像和对抗扰动图像进行线性混合；(4)对合成载体图像应用信息隐藏算法进行处理；所述步骤(1)～(4)中通过建立前景物体生成模块、强对抗扰动生成模块、信息隐藏模块以及线性混合函数，实现大数据隐私保护的安全性。本发明基于GAN的框架及对抗攻击算法，通过生成针对隐写分析模型的对抗扰动，实现对隐写分析的对抗干扰；使扰动与前景物体融合，降低不规则扰动的可察觉性；提供一种基于GAN生成对抗样本的大数据隐私保护方法。