面向神经辐射场的水印算法

针对隐式表示的3D模型的版权保护问题,提出了一种面向神经辐射场（NeRF）的水印算法。该算法通过嵌入网络对训练集中的图像嵌入水印,再利用NeRF模型进行3D模型建模。版权验证方通过给定一个秘密视角作为神经辐射场的输入,生成新视角下的图像作为后门图像,接着利用神经网络的过参数化方法设计一个水印提取器,获取该视角下嵌入的水印图像。在黑盒场景下,一旦怀疑3D模型被未经授权的使用,验证方则可以通过秘密视角提取水印以验证网络版权。实验结果表明,所提算法提取水印不仅具有良好的视觉效果,而且对不同类型的噪声攻击具有较好的抵抗能力。     

基于图像特征的鲁棒性数字水印算法

为了同时实现图像版权保护和图像内容的真伪性鉴定,提出了一种基于数字图像特征的鲁棒性数字水印算法。先利用Hessian变换提取宿主图像的特征区域,并根据每个特征区域内各个像素点的局部方向,将用于版权保护的水印信息嵌入到这些特征区域中。同时,向图像中除特征区域之外的区域嵌入用于图像内容真伪鉴定的脆弱性水印。水印提取过程是水印嵌入的逆过程,在不需要原始图像的情况下实现了版权水印和内容鉴定水印的提取。实验表明,该算法能抵杭大多数的移除攻击等几何篡改,对篡改发生的位置定位效果良好。     

基于三维整数小波变换的视频水印算法

随着计算机和网络技术的快速发展,数字水印技术正成为一种保护数字作品知识产权的有效方法.针对数字视频的版权保护,提出一种基于三维整数小波变换的视频水印算法.利用视频场景分割将视频信号切分成不同场景,然后随机选择一场景中视频序列进行三维整数小波变换.采用对小波系数进行均值量化的方法嵌入水印信息,水印提取过程中不需要原始视频信号.该算法实现简单,可满足实时性要求.实验结果表明,该水印方案对于帧丢失、帧插入等时间域去同步攻击以及MEPG有损压缩等具有很好的鲁棒性.     

一种用于版权通知和保护的遥感图像水印算法

本文提出了一种用于版权通知和保护的遥感图像数字水印算法。算法以灰度图像作为可见水印及不可见水印,首先在空域中对遥感图像进行可见水印的嵌入,以实现版权通知功能;然后对图像进行小波变换,在小波域中嵌入不可见水印,以实现版权保护功能。水印提取采用与嵌入相同的逆过程,得到置乱的水印图像,采用一种新的Arnold反变换方法对水印进行反置乱,最终得到嵌入的水印图像。实验表明,嵌入的可见水印很难去除,不可见水印对图像的质量影响很小,并对常规处理具有较好的鲁棒性。     

一种基于3D MAX的数字水印算法

3D MAX是当前流行的三维设计与制作软件,3D MAX设计的作品同样面临侵权问题。提出了一种在3D MAX软件中实现的数字水印算法。在3D MAX中,利用创建面板中的二维图形工具,在视图中创建一个二维图形,通过分析二维图形的特性,在二维图形的顶点或边上选择合适的位置来嵌入水印。然后利用添加编辑修改器的方法,将二维图形转换为三维模型,最后将三维模型渲染输出。三维模型在使用过程中发生版权纠纷时,可以分析三维模型的二维基础图形,利用嵌入水印的逆过程将水印提取出来,以此为依据来判断版权归属,从而可以保护3D MAX设计作品的版权。     

载体独立的深度光照水印算法

随着多媒体技术的发展与完善，数字产品的版权保护需求逐步增大。数字水印是一种保护数字产品版权的有效手段，它一般是通过在数字载体（如文本、图像等）中添加重要标识信息（即数字水印），使载体带有标识信息，但又不影响载体的正常使用。常见的数字水印嵌入方案是通过采用特定算法对载体进行修改来嵌入水印信息的。而在实际的应用场景中，有很多待保护的图像或物件（如艺术画作等）是不允许修改的。基于此背景，提出了一种新的载体独立的深度光照水印算法，在嵌入端通过可见光调制的方法来表达水印信息，从而实现在不对原始载体进行修改的前提下进行水印信息嵌入，并达到版权保护的目的。通过对人眼视觉系统进行分析，提出了基于交替式投影的水印模板图案来嵌入水印信息，使嵌入过程既不需要对原始载体进行修改，也不会影响人眼的视觉感官。而在提取端，设计了基于残差连接的水印提取网络，对采集的水印图像经透视变换后送入该网络来进行水印信息提取。实验在多种条件下进行，并与3种基准算法进行了对比。实验结果表明，所提算法生成的水印图像具有较小的视觉失真，且对“投影-拍摄”过程具有很强的鲁棒性。在不同距离、角度、光照等条件下，水印提取网络具有很高的水印信息提取准确率，且相比其他通用网络具有一定的优越性。     

基于Hopfield神经网络的盲检测数字水印

提出了一种基于Hopfield神经网络的盲检测数字水印算法。基于噪声可见函数实现了水印的自适应嵌入,利用Hopfield神经网络记忆宿主图像以及原始水印信息。在水印检测时,通过神经网络从嵌入水印的图像中联想出宿主图像和水印嵌入信息,再利用嵌水印图像和联想出的宿主图像提取出水印,实现了水印的盲检测。     

一种用于视频流的强鲁棒性数字水印方案

研究了视频流的水印嵌入和提取,为视频流提供版权保护。针对现阶段越来越多的视频流盗版现状,为了保护版权方的利益,提出了一种将版权方信息作为数字水印嵌入到视频流中的方法。通过该方法,在视频流中嵌入了不易破坏的版权方的信息,该信息可作为流媒体的追溯标记和证据。经实验证明:改进方案与其他数字水印方案相比,具有很强的鲁棒性,可抵抗视频的重复编码,抵抗分辨率缩放,抵抗一定程度的内容修改,支持水印的盲提取。     

一种基于可逆数字水印的图像认证方案

针对医疗图像、遥感图像等敏感数字图像在认证水印的嵌入过程中不能引入失真的特点,提出一种基于可逆数字水印的图像完整性认证方案:首先提取图像特征,将其作为hash函数的输入;再用图像发送者的私钥对hash值进行数字签名;最后将数字签名作为水印数据,利用图像相邻像素点差值直方图的特征,轻微改变图像像素点的灰度值来可逆嵌入水印数据。方案实现简单,水印嵌入后图像失真小,认证通过后还可以完全恢复原始图像。理论和实验证明水印嵌入后,PSNR值能达到51.14dB以上。     

基于数字水印的图像版权保护和内容认证方案

实现版权保护和内容认证是数字水印的两个最主要功能,而现有同时实现这两个功能的数字水印方案并不完美。提出了结合人类视觉系统在图像的绿色分量中嵌入版权信息,实现版权保护,在蓝色分量中嵌入二值图像,实现内容认证。实验证明该方法透明性好,版权保护水印对JPEG压缩、高斯噪声等攻击抵抗力强,内容认证水印能有效地刻画攻击和定位篡改。     

VRML animated model watermarking scheme using geometry and interpolator nodes

Distinct from image and video watermarking, a watermarking scheme for 3D animation content is required in the 3D industry market for various applications. This paper develops a watermarking scheme for copyright protection and authentication of 3D animation content. A 3D animated model generally has a hierarchical structure with a number of transform nodes of a geometry node and an interpolator node for the timeline in contrast to a 3D polygon mesh model. The proposed scheme embeds not only a robust watermark into the geometry node for copyright protection but also a fragile watermark into the position and orientation interpolators for content authentication. We named the former “robust geometry watermarking” and the latter “fragile interpolator watermarking”. The proposed scheme performs the two watermarking schemes independently to realize simultaneously robust and fragile watermarked 3D animated model. Experimental results confirm that a watermark embedded by geometry watermarking robust to many attacks from commercial 3D editing tools while a watermark embedded by interpolator watermarking fragile to the same attacks.     

深度学习模型的版权保护研究综述

随着深度学习技术的迅猛发展,深度学习模型在图像分类、语音识别等领域得到了广泛应用.训练深度学习模型依赖大量的数据和算力,成本高昂,因此,出售已训练好的模型或者提供特定的服务(如DLaaS)成为一种商业模式.然而,如果模型遭到恶意用户窃取,则可能会对模型训练者的商业利益造成损害.此外,网络拓扑结构设计和参数训练的过程包含...     

一种基于Chebyshev混沌神经网络的视频水印算法

针对视频版权的保护,提出一种基于Chebyshev混沌神经网络的视频水印算法。首先选取二值图像作为图像水印,利用Chebyshev混沌神经网络对图像进行加密;然后对宿主视频进行分帧处理,通过Henon映射产生混沌序列提取关键帧,同时提取关键帧亮度分量的低频系数,将处理后的图像水印自适应地嵌入小波变换后亮度分量的低频系数中。实验结果表明,该算法具有较好的不可见性,且针对噪声、高斯滤波、旋转、帧丢失等攻击具有良好的鲁棒性。      

基于Fibonacci置乱的小波域数字图像盲水印算法

针对数字图像的版权保护问题,提出一种基于Fibonacci置乱的小波域数字图像盲水印方案。将原图像中的感兴趣区域(ROI)作为水印来源,以此提高水印的隐蔽性。在水印嵌入过程中,将原图像进行分块,对每个块进行Fibonacci置乱和离散小波变换(DWT),选择出低频子带,用于水印嵌入。同时,对水印也执行DWT,选择出低频子带,通过Fibonacci置乱得到置乱矩阵,将水印的置乱矩阵嵌入到主图像的块中。在水印提取过程中,根据嵌入过程中设定的秘钥,通过逆Fibonacci置乱和逆DWT过程提取水印。在多种图像攻击下的仿真结果表明,该水印方案具有较高的安全性、鲁棒性和隐蔽性。     

基于人工神经网络的半脆弱零水印技术

提出了基于人工神经网络的半脆弱零水印技术。首先在宿主图像中随机选择像素点,然后利用神经网络构建所选择像素点与其3×3邻域像素之间的关系,并与二值水印图像进行异或运算得到水印检测密钥,作为所构造的零水印。由于仅从宿主图像中抽取特征构造水印,而没有向图像中嵌入信息,避免了嵌入水印所导致的图像变形。该技术可以用于图像真实性、完整性认证,并可定位篡改发生的位置,且对于JPEG图像压缩具有一定的稳健性。实验结果证明了算法的有效性。     

A robust watermarking scheme exploiting balanced neural tree for rightful ownership protection

This paper presents a novel semi-blind watermarking scheme in which a balanced neural tree (BNT) is exploited for embedding and extracting the watermark. The BNT is trained to learn the watermark and the synapses (optimal weights) of the trained BNT are embedded in the host image instead of watermark image. As a result, the proposed scheme is able to embed a large size of watermark in the host image. In the watermark extraction phase, the embedded synapses are extracted from the transmitted image and then watermark is recovered from these extracted synapses. In this way, the original image is not required in the extraction phase. The proposed scheme is tested to withstand various kinds of attacks and found to be robust against various image processing and geometrical attacks.     

BlessMark: a blind diagnostically-lossless watermarking framework for medical applications based on deep neural networks

Nowadays, with the development of public network usage, medical information is transmitted throughout the hospitals. A watermarking system can help for the confidentiality of medical information distributed over the internet. In medical images, regions-of-interest (ROI) contain diagnostic information. The watermark should be embedded only into non-regions-of-interest (NROI) regions to keep diagnostically important details without distortion. Recently, ROI based watermarking has attracted the attention of the medical research community. The ROI map can be used as an embedding key for improving confidentiality protection purposes. However, in most existing works, the ROI map that is used for the embedding process must be sent as side-information along with the watermarked image. This side information is a disadvantage and makes the extraction process non-blind. Also, most existing algorithms do not recover NROI of the original cover image after the extraction of the watermark. In this paper, we propose a framework for blind diagnostically-lossless watermarking, which iteratively embeds only into NROI. The significance of the proposed framework is in satisfying the confidentiality of the patient information through a blind watermarking system, while it preserves diagnostic/medical information of the image throughout the watermarking process. A deep neural network is used to recognize the ROI map in the embedding, extraction, and recovery processes. In the extraction process, the same ROI map of the embedding process is recognized without requiring any additional information. Hence, the watermark is blindly extracted from the NROI. Furthermore, a three-layer fully connected neural network is used for the detection of distorted NROI blocks in the recovery process to recover the distorted NROI blocks to their original form. The proposed framework is compared with one lossless watermarking algorithm. Experimental results demonstrate the superiority of the proposed framework in terms of side information.

     

一种带纠错编码的小波域盲水印算法

先前众多的DWT(discretewavelettransform)域水印算法几乎都是私有水印或易脆水印,而针对版权保护的鲁棒的、公开的小波域水印算法却极少。文章提出了一种小波域盲水印算法,水印嵌入到小波分解的高频子带,通过采用小波系数的数字化编码技术实现了盲水印的提取。水印在提取过程中不需要任何原始图像信息。为提高水印的鲁棒性,引入了简单的纠错编码机制。