-
公开(公告)号：CN113689318B
公开(公告)日：2023-07-07
申请号：CN202110869015.1
申请日：2021-07-30
Applicant: 南京信息工程大学
IPC: G06T1/00 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 本发明公开了一种用于图像认证与对抗样本防御的深度半脆弱水印方法，包括如下步骤：S1：设计水印嵌入网络结构和损失函数，将二维码图像通过神经网络与载体图像进行嵌合，并输入至水印嵌入网络中，获取得到含水印图像；S2：设计水印提取网络结构，根据不同的图像处理情况，确定不同情况下对应的损失函数，并将含水印图像进行水印提取；S3：确定初步半脆弱水印嵌入与提取模型，并获取对抗样本；S4：将对抗样本输入初步半脆弱水印嵌入与提取模型中，获取得到最终半脆弱水印嵌入与提取模型。本发明基于神经网络实现了半脆弱水印的嵌入与提取，灵活权衡了水印在信道压缩情况下的鲁棒性与恶意篡改下的脆弱性，能够应用于实际远程医疗场景。
-
公开(公告)号：CN110337000B
公开(公告)日：2021-07-27
申请号：CN201910624039.3
申请日：2019-07-11
Applicant: 南京信息工程大学
IPC: H04N19/122 , H04N19/176 , H04N19/182 , H04N19/467 , H04N19/96 , H04L9/00
Abstract: 本发明公开了一种基于双二叉树扩展和公钥加密的加密域可逆信息隐藏方法，包括对原始图像进行防止像素溢出预处理，根据双二叉树层数将原始图像像素直方图两侧的像素缩小，将原始图像分成若干个2×2的第一图像块，采用同态加密公钥加密系统进行原始图像加密，利用双二叉树遍历和预测误差扩展法将秘密信息嵌入至密文图像中，依据数据隐藏密钥和解密密钥实现密文域和/或明文域中的图像恢复和信息提取。本发明基于双二叉树扩展和公钥加密的加密域可逆信息隐藏方法，在加密成本、嵌入秘密信息容量、解密后图像质量等方面做出了极大改善。
-
公开(公告)号：CN110337000A
公开(公告)日：2019-10-15
申请号：CN201910624039.3
申请日：2019-07-11
Applicant: 南京信息工程大学
IPC: H04N19/122 , H04N19/176 , H04N19/182 , H04N19/467 , H04N19/96 , H04L9/00
Abstract: 本发明公开了一种基于双二叉树扩展和公钥加密的加密域可逆信息隐藏方法，包括对原始图像进行防止像素溢出预处理，根据双二叉树层数将原始图像像素直方图两侧的像素缩小，将原始图像分成若干个2×2的第一图像块，采用同态加密公钥加密系统进行原始图像加密，利用双二叉树遍历和预测误差扩展法将秘密信息嵌入至密文图像中，依据数据隐藏密钥和解密密钥实现密文域和/或明文域中的图像恢复和信息提取。本发明基于双二叉树扩展和公钥加密的加密域可逆信息隐藏方法，在加密成本、嵌入秘密信息容量、解密后图像质量等方面做出了极大改善。
-
公开(公告)号：CN114708136B
公开(公告)日：2025-04-18
申请号：CN202210300547.8
申请日：2022-03-24
Applicant: 南京信息工程大学
IPC: G06V10/774 , G06T5/60 , G06T5/77 , G06V10/82 , G06N3/045 , G06N3/0475
Abstract: 本发明公开了一种用于模型授权访问控制的黑盒可逆对抗样本生成方法，包括以下步骤：(1)基于生成对抗网络获取原始图像的对抗扰动，将生成的初步扰动进行截断生成对抗样本；(2)对步骤(1)中生成的对抗扰动进行预处理变换，生成新的对抗扰动和对抗样本；(3)对步骤(2)中生成的新的对抗扰动进行无损压缩，生成无损压缩后的对抗扰动；(4)将步骤(3)中生成的无损压缩后的对抗扰动的数据通过可逆数据隐藏技术将其嵌入到步骤(2)中生成的对抗样本，得到可逆对抗样本。本发明应用于AI模型的授权访问控制，保护授权模型对图像数据的合法使用。以黑盒的形式生成可逆对抗样本，相比现有的对抗样本方案，计算复杂度更低，性能也更好。
-
公开(公告)号：CN116389854A
公开(公告)日：2023-07-04
申请号：CN202310413410.8
申请日：2023-04-18
Applicant: 南京信息工程大学
IPC: H04N21/8358 , G06T1/00 , G06T5/10
Abstract: 本发明公开了一种抗几何攻击的高容量鲁棒视频水印方法，包括：获取视频的YUV三通道；对U通道应用DTCWT变换，将各子带上的系数分离；选择水印嵌入策略，对系数进行分块并应用DCT变换，根据待嵌入水印信息修改DCT系数，并依次应用逆DCT变换和逆DTCWT变换，获得含水印U通道；与原始视频的Y和V通道结合后进行转YUV的逆操作，最终通过视频编码获得含水印视频。提取过程基于DCT变换，根据嵌入策略提取出水印；本发明基于DTCWT与DCT实现了鲁棒水印的嵌入和提取，灵活权衡了水印抵抗几何攻击的鲁棒性与有效负载的容量，能够应用于以视频为主流的多媒体平台。
-
Patent Agency Ranking
公开(公告)号：CN113312604B
公开(公告)日：2023-05-09
申请号：CN202110604773.0
申请日：2021-05-31
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于区块链认证具备公共重建的分布式秘密图像分享方法，包括分享过程和公共重建过程；所述分享过程包括：分享者对原图进行像素置乱并划分为若干像素单元，根据单元像素生成n幅阴影图像并计算哈希值，将哈希值写入区块链；将阴影图像上传至分布式云网络，分享者接收网络返回的哈希值并分享给n位参与者；所述公共重建过程包括：参与者接收对应的哈希值，并请求获得另外n‑1个哈希值，通过分布式云网络获得对应的n‑1幅阴影图像；计算n幅图像的哈希值并与区块链上存储的相应哈希值对比，使用哈希值对比结果相同的若干幅阴影图像进行秘密图像重建。本发明大幅提高秘密图像分享和重建的效率，并能在公开的分布式网络实现秘密分享。
-
公开(公告)号：CN112532383B
公开(公告)日：2023-01-17
申请号：CN202011291344.4
申请日：2020-11-18
Applicant: 南京信息工程大学
IPC: H04L9/08
Abstract: 本发明公开了一种基于秘密分享的隐私保护计算方法，所述隐私保护计算方法包括如下技术：加性秘密分享技术和乘性秘密分享技术；所述隐私保护计算方法包括如下安全多方计算协议：安全乘性‑加性重分享协议、安全加性‑乘性重分享协议、安全比较协议、安全线性计算协议、安全乘法协议、安全指数协议、安全对数协议、安全幂协议、安全三角函数协议和安全反三角函数。通过隐私保护计算方法，可以大幅地提高隐私保护计算的效率，并支持几乎所有的基本初等函数计算。
-
公开(公告)号：CN113689318A
公开(公告)日：2021-11-23
申请号：CN202110869015.1
申请日：2021-07-30
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种用于图像认证与对抗样本防御的深度半脆弱水印方法，包括如下步骤：S1：设计水印嵌入网络结构和损失函数，将二维码图像通过神经网络与载体图像进行嵌合，并输入至水印嵌入网络中，获取得到含水印图像；S2：设计水印提取网络结构，根据不同的图像处理情况，确定不同情况下对应的损失函数，并将含水印图像进行水印提取；S3：确定初步半脆弱水印嵌入与提取模型，并获取对抗样本；S4：将对抗样本输入初步半脆弱水印嵌入与提取模型中，获取得到最终半脆弱水印嵌入与提取模型。本发明基于神经网络实现了半脆弱水印的嵌入与提取，灵活权衡了水印在信道压缩情况下的鲁棒性与恶意篡改下的脆弱性，能够应用于实际远程医疗场景。
-
公开(公告)号：CN115664653B
公开(公告)日：2025-02-07
申请号：CN202211287807.9
申请日：2022-10-20
Applicant: 南京信息工程大学
Abstract: 本发明涉及信息隐藏技术领域，具体是基于秘密分享和安全多方计算的密文域可逆信息隐藏方法，图像加密：使用基于High‑speed scrambling的图像块置乱方法，使用基于CRT的秘密分享并在加密时添加随机数，解决图像分享的残差问题；多方安全嵌入：利用安全多方嵌入协议进行像素预测误差计算，并进行信息嵌入；图像解密：接收者同时持有CRT秘密分享的密钥以及图像块置乱的密钥，解密出含密图像；信息提取：得到含密图像后，根据预测误差直方图平移的提取规则，以及嵌入在图像中的辅助信息，提取出信息；本发明通过该方法，利用秘密分享降低图像加密计算复杂度，并利用安全多方计算，在完成多方信息嵌入的同时，保护图像隐私，并获得较高的嵌入容量和载体视觉质量。
-
公开(公告)号：CN117750006A
公开(公告)日：2024-03-22
申请号：CN202311633404.X
申请日：2023-12-01
Applicant: 南京信息工程大学
IPC: H04N17/00 , H04N19/44 , G06F18/241 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种不同比特率下的HEVC视频双压缩检测方法，步骤包括：步骤1：对输入的HEVC视频进行解码，再以同样的参数对其进行二次压缩编码并解码，通过两次解码过程，提取所有P帧的编码单元CU划分模式、预测单元PU划分模式以及预测单元PU的预测模式；步骤2：将步骤S1中的编码信息按照MPM映射算法得到编码信息矩阵，并通过VPM映射算法得到每个P帧的彩色重压缩误差特征图；步骤3：将待检测的HEVC视频的彩色重压缩误差特征图送入已经训练完成的卷积神经网络中，得到帧级的分类结果；步骤4：通过投票策略得到GOP级或视频级的最终结果。本发明的检测方法能够在计算量较小的情况下对不同编码参数具有良好的鲁棒性和准确率。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.026 seconds)
