公开(公告)号：CN110766598A

公开(公告)日：2020-02-07

申请号：CN201911039838.0

申请日：2019-10-29

Applicant: 厦门大学嘉庚学院

Inventor： 张盈谦 ,  贾贻然 ,  牛琼 ,  林敏涛

IPC: G06T1/00 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/18

Abstract: 本发明涉及一种基于卷积神经网络的智能模型水印嵌入和提取方法及系统，该方法的水印嵌入过程为：建立包含公开数据集与非公开数据集的数据集，公开数据集中数据只包括关键特征，非公开数据集中数据包括关键特征和隐含非关键特征；对数据集进行数据的特征提取；对基于卷积神经网络的智能模型进行训练，在模型训练时，对隐含非关键特征的决策边界进行过拟合训练，从而将水印嵌入到智能模型中；水印提取过程为：以非公开数据集为密钥，以密钥为输入数据通过服务器上的API接口调用正版智能模型，将返回的查询结果与预测的分类结果进行比对，以实现水印的提取。该方法及系统无需获取智能模型即可远程进行水印的检测和提取，易于实现，安全性高。

公开(公告)号：CN110766598B

公开(公告)日：2023-04-07

申请号：CN201911039838.0

申请日：2019-10-29

Applicant: 厦门大学嘉庚学院

Inventor： 张盈谦 ,  贾贻然 ,  牛琼 ,  林敏涛

IPC: G06T1/00 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/764 ,  G06V10/82 ,  G06V10/774 ,  G06Q50/18

Abstract: 本发明涉及一种基于卷积神经网络的智能模型水印嵌入和提取方法及系统，该方法的水印嵌入过程为：建立包含公开数据集与非公开数据集的数据集，公开数据集中数据只包括关键特征，非公开数据集中数据包括关键特征和隐含非关键特征；对数据集进行数据的特征提取；对基于卷积神经网络的智能模型进行训练，在模型训练时，对隐含非关键特征的决策边界进行过拟合训练，从而将水印嵌入到智能模型中；水印提取过程为：以非公开数据集为密钥，以密钥为输入数据通过服务器上的API接口调用正版智能模型，将返回的查询结果与预测的分类结果进行比对，以实现水印的提取。该方法及系统无需获取智能模型即可远程进行水印的检测和提取，易于实现，安全性高。