-
公开(公告)号：CN112785479B
公开(公告)日：2023-05-23
申请号：CN202110084996.9
申请日：2021-01-21
Applicant: 南京信息工程大学
IPC: G06T1/00 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于少样本学习的图像隐形水印通用检测方法，包括水印特征提取、图构造、标签传播、损失计算四个步骤组成，在少样本转导传播网络框架的基础上改进了其特征嵌入步骤，改造后的特征嵌入部分由预处理、多尺度特征融合和特征嵌入三个子步骤组成。本发明在实际的图像隐形水印检测任务中可作为通用的隐形水印检测器，不需要单独训练针对特定的隐形水印嵌入算法。另外可在少量隐形水印嵌入算法的水印图像基础上训练图像隐形水印通用检测模型，使实际的图像隐形水印检测过程更加便捷，更加符合实际条件的限制，可真正满足实际情况下的图像隐形水印的检测。
-
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：CN113255202B
公开(公告)日：2023-05-09
申请号：CN202110591597.1
申请日：2021-05-28
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于小波域粒子群的三维模型水印嵌入方法，涉及多媒体数据处理保护技术领域，对三维模型进行降维，获得降维后的三维模型的特征点，结合特征点生成矩阵，将水印嵌入矩阵的中频区域，并调整嵌入深度，得到包含水印的三维模型，对含有水印图像的三维模型进行鲁棒性计算评价，确定三维模型的水印信息。通过本发明的技术方案使嵌入的水印可以抵抗平移、旋转和缩放的几何攻击，并且利用多小波嵌入水印，根据质量的大小自适应选择中频嵌入水印，提供了一种确保医学数据完整、安全的鲁棒水印方法。
-
公开(公告)号：CN111385145B
公开(公告)日：2023-04-25
申请号：CN202010143787.2
申请日：2020-03-04
Applicant: 南京信息工程大学
IPC: H04L9/40 , H04L43/0876 , H04L43/026 , H04L47/2483 , H04L47/2441
Abstract: 本发明公开了一种一种基于集成学习的加密流量识别方法，其特征在于，包括以下步骤：(1)数据集采集；(2)数据预处理；(3)平衡数据集；(4)自动提取特征；(5)识别流量；(6)对获得的指标结果分析，并选取合适的参数，优化算法。本发明解决了由于样本类别不平衡造成模型欠拟合或过拟合的问题，识别率高，误报率低，适用于对数据集的类别不平衡性和特征提取困难的加密流量识别。
-
公开(公告)号：CN115294096A
公开(公告)日：2022-11-04
申请号：CN202211070402.X
申请日：2022-09-02
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于CNN多尺度特征提取和分层融合的图像篡改检测方法，包括以下步骤：将待测的图像输入到噪声预处理模块进行噪声特征的分析，经过SRM和约束卷积层的处理后输出得到特征映射，将得到的特征映射与原始输入图像结合后输入到基本块来获得一个统一的特征表示，将统一特征表示输入到多尺度特征提取模块进行特征提取，多尺度特征提取模块的解码器对特征进行像素细化得到掩码4，对多尺度特征提取模块的解码器中注意力模块得到的特征映射进行上采样分层特征输出，得到掩码1，掩码2，掩码3，将分层特征融合得到的掩码1，掩码2，掩码3与多尺度特征提取模块中解码器得到的掩码4进行融合，得到最终图像篡改区域预测图。
-
Patent Agency Ranking
公开(公告)号：CN115169293A
公开(公告)日：2022-10-11
申请号：CN202211068809.9
申请日：2022-09-02
Applicant: 南京信息工程大学
IPC: G06F40/151 , G06F40/211 , G06F40/216 , G06K9/62 , G06F21/62 , G06F16/35
Abstract: 本发明公开一种文本隐写分析方法、系统、装置及存储介质，包括：获取待分析文本后将其输入到预训练好的多图神经网络中，得到网络输出，若网络输出小于预设阈值，待分析文本为正常文本，否则为隐写文本；多图神经网络训练时，利用训练样本集中的文本生成了逻辑图、语意图和句法图，分析文本间的统计性关系、语意关系、句法关系，综合这三种关系对文本进行消息更新和特征提取，得到区分度更高的特征，弥补了隐写分析中序列模型未考虑全局特征的不足，大大提高了多图神经网络的分析效率；对更新后的三张图进行图间融合得到总图，得到总图后池化得到待分析文本的最终表示，使得最终表示包含更丰富的信息，提高文本隐写分析的准确性。
-
公开(公告)号：CN114119335B
公开(公告)日：2022-04-26
申请号：CN202210091866.2
申请日：2022-01-26
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于GAN的神经网络水印生成方法、系统和存储介质，生成器生成原始数据集的噪声数据集；在原始数据集中加上噪声，得到触发样本水印集；将触发样本水印集和原始数据集同时送入到判别器中；将与原始数据集之间的相似度满足要求的触发样本水印集输入到神经网络模型，输出结果；通过设置判别器的损失函数、生成器的损失函数以及软铰链损失函数，确定整体损失函数；利用整体损失函数同步训练生成器、判别器和神经网络模型；利用触发样本水印集验证所述神经网络模型，获得最终生成水印的神经网络模型。本发明可以自动地根据不同的神经网络模型生成噪声，基本可以满足对不同神经网络模型生成水印的需求。
-
公开(公告)号：CN111327631B
公开(公告)日：2022-04-26
申请号：CN202010143788.7
申请日：2020-03-04
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于TCP和UDP的秘密信息传输方法及其系统，包括以下步骤：(1)建立隐信道；(2)对待发送的秘密信息明文B进行加密，生成组秘密信息密文S；(3)通过编码将秘密信息密文S嵌入到TCP和UDP发送窗口序列中，使之随着TCP和UDP数据包一起传输；(4)对已收的TCP和UDP报文序列进行反向解码和解密，得出秘密信息明文B。本发明在传输层协议TCP和UDP数据包的发送序列中引入信息编码技术来构建隐信道，对秘密信息的传输更加简便高效，不仅避免了给现有TCP连接信道带来额外的通信负荷，而且引入信息校验机制，进一步提高了秘密信息传输的隐蔽性和鲁棒性。
-
公开(公告)号：CN112767226A
公开(公告)日：2021-05-07
申请号：CN202110053000.8
申请日：2021-01-15
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于GAN网络结构自动学习失真的图像隐写方法和系统，其将增强载体图像输入预设的改进U‑Net网络，依次生成初始像素改变概率图和初始含密图像，将初始含密图像输入判别网络，得到判别结果，根据判别结果计算判别网络的损失，根据判别结果和当前的隐写容量计算生成网络的总损失函数，以最小化损失函数为目标优化生成式对抗网络，当损失下降并保持稳定时认为训练结束，在训练结束后从生成式对抗网络中提取生成网络，将待传输的原始图像输入生成网络，得到像素改变概率，计算像素改变概率对应的嵌入失真，依据嵌入失真采用伴随式矩阵编码技术对秘密信息与待传输的原始图像进行编码，得到与原始图像对应的隐写图像。
-
-
-
-
-
-
-
-
Search Results
122
records
(took 0.043 seconds)
