基于多特征和混沌加密的零水印算法

针对传统数字图像水印版权保护中存在的鲁棒性差和安全性低的问题,为提升不同图像零水印的可区分性,提出了一种基于多特征和混沌加密的零水印算法.首先根据整体与局部的角度提取图像的5维特征:均值特征、方差特征、偏态特征、峰度特征和HOG特征;然后利用新提出的基于混沌映射的块置乱方法加密水印图像;最后基于提取的多特征与置乱后水印,构造零水印信息.在版权认证过程中,首先提取多特征,再结合零水印信息,得到加密后水印;最后对其进行解密;即可实现版权认证.实验结果表明,所提出的方法效率高、安全性高、抗攻击能力强.基于多特征和混沌加密零水印算法综合了数字图像的多方面性质作为特征,稳定性高,提高了算法鲁棒性;同时采用新提出的基于混沌映射的块置乱方法提高了水印图像安全性,有效地解决了图像水印鲁棒性差和安全性低的问题.     

基于零水印的神经网络模型版权保护

保护人工智能模型不被非法窃取、分发和滥用是必须面对和解决的难题。针对该问题,利用零水印不修改任何信息的特性,提出了基于零水印的神经网络模型版权保护方法。首先,提取神经网络模型特征图,构造特征序列;然后,基于秘钥对版权图像加密;最后,构造零水印信息,进行版权的认证。实验结果表明,该算法能够对神经网络模型进行版权保护和鉴别,且不破坏模型结构,有较高的保真性。此外,该算法对常规的模型攻击具有较强的鲁棒性,BCR系数保持在0.5以上,NC值保持在0.9以上。