[发明专利]图像水印

权利要求书

1.一种计算机实施的方法，包括：

获得第一图像和要嵌入到所述第一图像中的第一数据项；

将所述第一数据项输入到信道编码器中，其中，所述信道编码器将第一长度的输入数据项编码成冗余数据，所述冗余数据包括(1)所述输入数据项和(2)作为所述输入数据项的冗余的新数据，并且具有大于所述第一长度的第二长度，其中，所述新数据能够在存在信道失真的情况下恢复所述输入数据；

从所述信道编码器并响应于将所述第一数据项输入到所述信道编码器中，获得第一编码数据项；

将所述第一编码数据项和所述第一图像输入到编码器模型中，其中，所述编码器模型对输入图像和输入数据项进行编码，以获得所述输入数据项已经作为数字水印嵌入其中的编码图像；以及

从所述编码器模型并响应于将所述第一编码数据项和所述第一图像输入到所述编码器模型中，获得所述第一编码数据已经作为数字水印嵌入其中的第一编码图像。

2.根据权利要求1所述的计算机实施的方法，还包括：

将所述第一编码图像输入到解码器模型中，其中，所述解码器模型对输入编码图像进行解码，以获得被预测为作为数字水印嵌入所述输入编码图像内的数据；

从所述解码器模型并响应于将所述第一编码图像输入到所述解码器模型中，获得被预测为所述第一编码数据的第二数据；

将所述第二数据输入到信道解码器中，其中，所述信道解码器对输入数据进行解码以恢复先前由所述信道编码器进行编码以生成所述输入数据的原始数据；以及

从所述信道解码器并响应于将所述第二数据输入到所述信道解码器中，获得被预测为所述第一数据的第三数据。

3.根据权利要求1所述的计算机实施的方法，还包括：

获得一组输入训练图像；

获得第一组训练图像，其中，所述第一组训练图像中的每个图像是通过使用所述编码器模型对输入训练图像和编码数据项进行编码而生成，其中，所述编码数据项是通过使用所述信道编码器对原始数据项进行编码而生成；

将所述第一组训练图像输入到攻击网络中，其中，所述攻击网络使用一组输入图像来生成相对应的包括不同类型的图像失真的一组图像；以及

使用所述攻击网络并响应于将所述第一组输入训练图像输入到所述攻击网络中，生成第二组训练图像，其中，所述第二组训练图像中的图像对应于所述第一组训练图像中的图像。

4.根据权利要求1所述的计算机实施的方法，还包括使用所述第一组训练图像和所述第二组训练图像来训练所述攻击网络，其中，所述训练包括：

对于所述第一组训练图像中的每个训练图像和所述第二组训练图像中的相对应的训练图像：

将来自所述第二组训练图像的训练图像输入到所述解码器模型中；

从所述解码器模型并响应于将来自所述第二组训练图像的训练图像输入到所述解码器模型中，获得被预测为作为数字水印嵌入所述训练图像内的第一预测数据项；

确定表示所述第一组训练图像中的训练图像与所述第二组训练图像中的相对应的训练图像之间的图像像素值差异的第一图像损失；

确定表示所述第一预测数据项与嵌入到所述第一组训练图像中的训练图像中的编码数据项之间的差异的第一消息损失；以及

使用所述第一图像损失和所述第一消息损失来训练所述攻击网络。

5.根据权利要求4所述的计算机实施的方法，还包括训练所述编码器模型和所述解码器模型，其中，所述训练包括：

对于所述第一组训练图像中的每个训练图像：

将所述训练图像输入到所述解码器模型中；

从所述解码器模型并响应于将所述训练图像输入到所述解码器模型中，获得被预测为嵌入所述训练图像内的第二预测数据项；

确定表示所述训练图像与相对应的输入训练图像之间的图像像素值差异的第二图像损失；

确定表示所述第二预测数据项与嵌入到所述训练图像中的编码数据之间的差异的第二消息损失；以及

使用所述第二图像损失、所述第二消息损失和所述第一消息损失来训练所述编码器模型和所述解码器模型中的每一个。

6.根据权利要求4所述的方法，其中，所述攻击模型、所述编码器模型和所述解码器模型中的每一个是卷积神经网络。