基于深度神经网络的高鲁棒性大容量图像水印方法及系统

    公开(公告)号:CN117408862A

    公开(公告)日:2024-01-16

    申请号:CN202311391091.1

    申请日:2023-10-25

    Inventor: 杨帆 王保卫

    Abstract: 本发明提供基于深度神经网络的高鲁棒性大容量图像水印方法及系统,涉及信息安全领域。该基于深度神经网络的高鲁棒性大容量图像水印方法,所述方法包括:接收载体图像和水印信息;对载体图像做SWT变换和拉普拉斯金字塔变换,分别得到LL子带和差分图像;将水印信息结合LL子带进行信息处理,得到信息特征图;将载体图像结合信息特征图、LL子带以及差分图像进行编码处理,得到嵌有水印信息的编码图像;将编码图像进行噪声处理得到带有噪声的图像;将带有噪声的图像进行解码处理得到最终预测的信息。解决了传统的水印算法虽然可以嵌入较大容量的水印,但算法设计过程复杂且鲁棒性差的问题。

    一种分阶段的自适应盲水印嵌入方法

    公开(公告)号:CN115936960A

    公开(公告)日:2023-04-07

    申请号:CN202211319725.8

    申请日:2022-10-26

    Abstract: 本发明公开一种分阶段的自适应盲水印嵌入方法,属于信息安全技术领域;方法包括:S1,建立模型框架,框架中设置有编码器、适应器、解码器、噪音层以及辨别器;S2,无适应器阶段训练,将自适应因子统一设置为1,将编码后的图像经过噪音层攻击模拟后送入解码器进行解码,同时辨别器也将参与训练;S3,自适应因子整体微调阶段,首先冻结无适应器阶段训练得到的编码器的参数,将适应器加入训练,并且对解码器进行调整,发掘出编码图像最合适的强度因子;提升了水印的性能,并且有效解决了现有基于深度学习的抗打印扫描水印水印强度因子人工赋值导致无法达到最优性能的问题。

    一种基于特征比较学习的自监督无损零水印算法

    公开(公告)号:CN115908094A

    公开(公告)日:2023-04-04

    申请号:CN202211438976.8

    申请日:2022-11-17

    Inventor: 戴畅宇 王保卫

    Abstract: 本发明公开一种基于特征比较学习的自监督无损零水印算法,属于信息安全领域;基于特征比较学习的自监督无损零水印算法包括:首先利用基准特征提取器将原始图像的特征提取出来,随后原始图像经过噪声层,得到含噪图像;之后再将含噪图像输入进可学习的特征提取器,可学习的特征提取器通过比较基准特征提取器提取出的特征进行学习,达到鲁棒效果;最后通过二值化与版权信息进行异或操作,得到最终的零水印;能够使得图像被各种噪声攻击之后依旧可以提取出特征并且还原出原始的版权信息,达到版权保护的目的。

    一种用于大田监控的移动传感器网络低功耗路由方法

    公开(公告)号:CN105376824A

    公开(公告)日:2016-03-02

    申请号:CN201510663303.6

    申请日:2015-10-14

    CPC classification number: Y02D70/32 H04W40/04 H04W52/0219 H04W84/18

    Abstract: 本发明提出了一种用于大田监控的移动传感器网络低功耗路由方法,本发明利用了分层的网络结构及移动传感器网络中汇聚节点的移动性,根据传感器节点的数量来划分整个网络,首先决定出网络划分后每个区域的主节点,然后在汇聚节点移动的过程中,选择出它的中继节点,在中继节点确定之后的基础上,通过向网络中广播数据包的方式来决定源节点,最后使用最短路径算法来进行路由决定,在整个网络中利用了三种数据的传输方式,与其它的路由算法相比,将本发明应用在大田监控领域可以减少传感器网络中节点的能量损耗,可以延长网络的生存时间,由于在网络中使用了移动的汇聚节点,也可以缓解网络中的热点问题,和避免网络中的能量空洞现象。

    基于信息多维嵌入和纹理引导的鲁棒水印嵌入方法及系统

    公开(公告)号:CN117974412B

    公开(公告)日:2025-01-28

    申请号:CN202410127691.5

    申请日:2024-01-30

    Inventor: 赵星源 王保卫

    Abstract: 本发明公开了基于信息多维嵌入和纹理引导的鲁棒水印嵌入方法及系统,涉及信息安全技术领域,方法包括步骤:接收水印信息和载体图像,将水印信息和载体图像输入至预先建立的消息处理器内,输出得到载体图像纹理引导的水印消息块;将载体图像纹理引导的水印消息块输入至预先建立的编码器内,输出得到编码图像;将编码图像输入至预先建立的噪声模拟器内,输出得到噪声图像;将噪声图像输入至预先建立的解码器内,提取得到一维水印信息。

    基于区块链的零水印医疗图像交易方法、系统及平台

    公开(公告)号:CN117808655A

    公开(公告)日:2024-04-02

    申请号:CN202311852042.3

    申请日:2023-12-29

    Inventor: 胡正瑜 王保卫

    Abstract: 本发明提供基于区块链的零水印医疗图像交易方法、系统及平台,涉及信息安全领域。该基于区块链的零水印医疗图像交易方法,包括:接收医疗图片所有者上传的待交易医疗图片数据,对待交易医疗图片数据进行预处理,生成并存储具有唯一CID的零水印医疗图片和加密秘钥;生成智能合约部署在区块链上,具有唯一CID的零水印医疗图片通过智能合约发布在区块链;接收医疗图片使用者发起的交易申请,医疗图片使用者通过智能合约选择自己所需的医疗图片;经过智能合约完成医疗图片使用者与医疗图片所有者之间的交易。本方法克服了传统水印技术在交易时存在的缺点,促进了医学领域的科研、诊断和治疗的发展,同时为医疗数据的共享和应用提供了可能。

    一种基于区块链的分布式数据交易仲裁方法及系统

    公开(公告)号:CN117522570A

    公开(公告)日:2024-02-06

    申请号:CN202311351046.3

    申请日:2023-10-18

    Inventor: 胡正瑜 王保卫

    Abstract: 本申请提供一种基于区块链的分布式数据交易仲裁方法及系统,涉及信息安全领域。该基于区块链的分布式数据交易仲裁方法,包括以下步骤:接收仲裁者的仲裁请求信息,所述仲裁请求信息包括仲裁者已完成仲裁请求数量、仲裁者准确仲裁的请求数量以及仲裁者的总仲裁请求数量;通过仲裁者的仲裁请求信息求解仲裁者的信用度,根据仲裁者的信用度选取仲裁者;通过向智能合约提交仲裁请求来启动仲裁,根据仲裁请求指派仲裁者,仲裁者将在链外决定仲裁结果;汇总仲裁结果,并生成最终结果。解决了现有的工作并都没有考虑到数据交易中所有需要仲裁的纠纷的问题。

    基于注意力和边缘信息的适应性鲁棒水印嵌入方法及系统

    公开(公告)号:CN117274025A

    公开(公告)日:2023-12-22

    申请号:CN202311299198.3

    申请日:2023-10-09

    Inventor: 吕新宇 王保卫

    Abstract: 本发明公开了基于注意力和边缘信息的适应性鲁棒水印嵌入方法及系统,涉及信息安全技术领域,方法包括以下步骤:接收载体图像、秘密信息和特征图,对秘密信息进行特征提取,得到秘密信息的特征映射;将秘密信息的特征映射与载体图像进行拼接并进行特征提取,得到秘密特征,将秘密特征与特征图进行拼接,得到秘密特征图;将秘密特征图和载体图像进行拼接,得到含密图像,将含密图像进行噪声模拟得到噪声图像,对噪声图像进行提取,得到噪声图像内的秘密信息。

    基于区块链的质量有保障的图像众包交易方法

    公开(公告)号:CN116051103A

    公开(公告)日:2023-05-02

    申请号:CN202310057066.3

    申请日:2023-01-14

    Inventor: 袁驿 王保卫

    Abstract: 本发明公开了基于区块链的质量有保障的图像众包交易方法,包括:在本地依据对图像的要求输入参数并调用智能合约账户,完成任务初始化;向智能合约账户存入任务押金,智能合约账户确认任务押金后将发送任务需求,使用图像质量预测模型对符合要求的图像进行特征提取,并将图像特征上传至智能合约账户;智能合约账户对接收到的图像特征进行运算并获取相应的质量分数,依据图像选择机制从候选图像中选择出最符合买家利益的一组图像;由智能合约生成公私密钥对和星际文件系统文件存储地址,数据提供者使用公钥对数据加密并上传至星际文件系统IPFS,需求者则从IPFS中下载并解密。

    一种基于零水印技术的多幅图像版权认证和验证方法

    公开(公告)号:CN112800395A

    公开(公告)日:2021-05-14

    申请号:CN202110110707.8

    申请日:2021-01-27

    Abstract: 本发明公开了一种基于零水印技术的多幅图像版权认证方法,包括如下步骤:将多幅待保护的图像进行图像处理,融合成一幅图像;确定该幅融合图像的有效区域,并在有效区域内提取特征,得到特征图像;将特征图像和标识图像分别进行置乱加密,并将置乱后的特征图像和置乱后的标识图像进行异或运算,得到零水印图像。一种基于零水印技术的多幅图像版权验证方法,包括如下步骤:对置乱的特征图像与零水印图像进行反异或运算,得到置乱后的标识图像,然后再进行置乱解密,得到标识图像,将该标识图像与原本的标识图像进行验证对比。本方法更高效、安全的同时保护多幅图像的版权,有效降低版权保护过程中的时间和存储成本,实用价值较大。

Patent Agency Ranking