公开(公告)号：CN116226804A

公开(公告)日：2023-06-06

申请号：CN202310014264.1

申请日：2023-01-05

Applicant: 厦门大学嘉庚学院

Inventor： 黄梓杰

IPC: G06F21/16 ,  G06T1/00 ,  G06V10/40 ,  G06V10/52 ,  G06V10/772 ,  G06V10/774 ,  G06V10/776 ,  G06V10/82 ,  G06N3/08

Abstract: 本发明公开了一种基于水印嵌入的神经网络模型的版权验证方法，属于数字水印嵌入领域，该验证方法具体步骤如下：(1)收集水印数据以建立水印字典；(2)对获取的水印字典进行记录；(3)构建一组嵌入神经网络并进行优化；(4)嵌入神经网络接收图像并进行验证；本发明能够省略了下采样环节，实现了水印的高度压缩，改善了水印的不可感知性，能够自行寻找模型最优参数，无需工作人员手动设置参数，提高神经网络验证精度，方便工作人员操作。

公开(公告)号：CN116028899A

公开(公告)日：2023-04-28

申请号：CN202210658758.9

申请日：2022-06-13

Applicant: 厦门大学嘉庚学院

Inventor： 张盈谦 ,  黄梓杰

IPC: G06F21/16 ,  G06N3/047 ,  G06N3/08 ,  G06N7/08 ,  G06Q50/18 ,  G06T1/00 ,  H04L9/00

Abstract: 本发明公开了一种多重的高精度深度学习模型黑盒水印方法。本发明采用的技术方案如下：包括如下步骤，第一步：条件生成对抗网络技术，CGAN主要包括两个模型，一个是生成器G和判别器D，G模拟数据分布，D估计样本来自训练数据而不是G的概率，CGAN的训练是一个动态过程，是生成器G和判别器D之间的相互博弈过程。在现有的深度学习水印方案中，往往关注的是如何制作水印的方式，对深度学习水印如何嵌入并没有展开深入研究，往往只采用与训练集打乱混合之后一起训练。我们方案探索了在训练中每个batch都对触发集进行训练，能够做到在较少触发集的情况下，很好完成水印的嵌入，具有很高的水印提取率。