-
公开(公告)号：CN114647824B
公开(公告)日：2022-09-23
申请号：CN202210559415.7
申请日：2022-05-23
Applicant: 南京信息工程大学 , 南京启圣羽图信息科技有限公司
Abstract: 本发明公开了一种神经网络主动保护方法、系统、存储介质及计算设备，本发明在网络模型层运算之前，从分配给网络模型和用户的水印从提取与层数匹配的第一比对水印和第二比对水印，并进行第一比对水印和第二比对水印的比对，根据比对结果输入正确或错误的运算数据，从而实现了神经网络主动保护。
-
公开(公告)号：CN114647824A
公开(公告)日：2022-06-21
申请号：CN202210559415.7
申请日：2022-05-23
Applicant: 南京信息工程大学 , 南京启圣羽图信息科技有限公司
Abstract: 本发明公开了一种神经网络主动保护方法、系统、存储介质及计算设备，本发明在网络模型层运算之前，从分配给网络模型和用户的水印从提取与层数匹配的第一比对水印和第二比对水印，并进行第一比对水印和第二比对水印的比对，根据比对结果输入正确或错误的运算数据，从而实现了神经网络主动保护。
-
Patent Agency Ranking
公开(公告)号：CN114998082A
公开(公告)日：2022-09-02
申请号：CN202210585035.0
申请日：2022-05-27
Applicant: 南京信息工程大学 , 南京启圣羽图信息科技有限公司
Abstract: 本发明公开了一种保护图像处理网络的水印嵌入方法、水印提取方法及系统，本发明获取模型层中对应输入图像的位置，将n个水印数值分别嵌入模型输出图像上的n个位置，仅将水印串嵌入到输出的图像中，并没改变网络模型的结构，没有增加网络模型的规模，进而不会增加网络训练的难度。
-
公开(公告)号：CN116881872A
公开(公告)日：2023-10-13
申请号：CN202311144210.3
申请日：2023-09-06
Applicant: 南京信息工程大学
IPC: G06F21/16 , G06F21/60 , G06N20/20 , G06N3/0464 , G06N3/098
Abstract: 本发明公开了一种面向联邦学习的鲁棒可溯源版权保护方法及系统，属于人工智能安全领域。通过中心服务器对神经网络模型进行修改，并为各个客户端生成不同的二进制水印；中心服务器将不同的水印分别嵌入到经过修改的模型中，得到若干嵌入水印的模型；中心服务器将各个嵌入水印的模型分发给对应客户端进行训练。本发明通过中心服务器向待分发的模型中嵌入独特的结构水印信息，使得水印在训练中与模型紧密关联，从而提高了水印的鲁棒性。
-
公开(公告)号：CN114862650B
公开(公告)日：2022-09-23
申请号：CN202210757151.6
申请日：2022-06-30
Applicant: 南京信息工程大学 , 南京启圣羽图信息科技有限公司
Abstract: 本发明公开了一种神经网络水印嵌入方法以及验证方法，获取待嵌入水印的神经网络的原始模型以及图像训练集；设置原始模型的任意一层作为水印层lwm，在水印层lwm添加与该水印层的原始子层l结构相同的添加子层l＇，得到添加新结构的神经网络模型；利用图像训练集以及预先设置的前向传播约束条件对添加新结构的神经网络模型进行训练，得到嵌入水印的神经网络模型。优点：本发明不以权重作为载体，能够有效抵御微调、剪枝等常见的攻击，并且能够控制特征向量之间的关系，使得模型精度在嵌入水印后会因为伪造水印而大幅度下降，使模型失效，在验证模型所有权的同时也能够保护模型不被盗用。
-
公开(公告)号：CN114998082B
公开(公告)日：2024-05-14
申请号：CN202210585035.0
申请日：2022-05-27
Applicant: 南京信息工程大学 , 南京启圣羽图信息科技有限公司
Abstract: 本发明公开了一种保护图像处理网络的水印嵌入方法、水印提取方法及系统，本发明获取模型层中对应输入图像的位置，将n个水印数值分别嵌入模型输出图像上的n个位置，仅将水印串嵌入到输出的图像中，并没改变网络模型的结构，没有增加网络模型的规模，进而不会增加网络训练的难度。
-
公开(公告)号：CN114862650A
公开(公告)日：2022-08-05
申请号：CN202210757151.6
申请日：2022-06-30
Applicant: 南京信息工程大学 , 南京启圣羽图信息科技有限公司
Abstract: 本发明公开了一种神经网络水印嵌入方法以及验证方法，获取待嵌入水印的神经网络的原始模型以及图像训练集；设置原始模型的任意一层作为水印层lwm，在水印层lwm添加与该水印层的原始子层l结构相同的添加子层l＇，得到添加新结构的神经网络模型；利用图像训练集以及预先设置的前向传播约束条件对添加新结构的神经网络模型进行训练，得到嵌入水印的神经网络模型。优点：本发明不以权重作为载体，能够有效抵御微调、剪枝等常见的攻击，并且能够控制特征向量之间的关系，使得模型精度在嵌入水印后会因为伪造水印而大幅度下降，使模型失效，在验证模型所有权的同时也能够保护模型不被盗用。
-
-
-
-
-
-
Search Results
7
records
(took 0.037 seconds)
