[发明专利]一种基于粒子群算法的图像对抗水印生成方法

说明书

本发明公开了一种基于粒子群算法的图像对抗水印生成方法，包括：根据水印的位置与透明度信息，通过阿尔法混合将原始图像与水印结合生成水印图像；将生成的水印图像输入到目标神经网络中，得到由目标神经网络输出的各个分类置信度的信息；基于针对水印图像的各个分类置信度，通过粒子群算法得到对抗水印图像。本发明将对抗水印生成问题建模为优化问题，通过优化问题的结果生成对抗水印。采用粒子群算法高效解决优化问题。采用置信度差值作为优化目标，一定程度上避免遗漏对抗水印生成。

技术领域

本发明属于网络安全和机器学习技术领域，具体涉及一种基于粒子群算法的图像对抗水印生成方法。

背景技术

对抗样本是通过在图像上添加让人眼难以察觉的噪声，让机器识别产生错误的分类结果的图像。图像对抗水印是利用对抗样本技术保护图像，防止被恶意程序窃取的水印。与传统的图像水印相比，图像对抗水印具有对抗性，可以让图像识别模型产生错误的分类结果。

图像对抗水印在实际场景中有两种用途。首先，作为图像可见水印添加到图像上，可以声明图像的版权信息，防止被人盗用。其次，作为具有对抗性的图片，当恶意程序收集图片时，通过对抗水印的对抗性让恶意程序产生错误的分类结果，干扰恶意程序收集图片信息。图像对抗水印生成问题可以转化为约束优化问题，然而这个优化问题的搜索空间较为庞大，如果直接采用枚举的方式进行生成，会造成极大的性能浪费。

针对上述问题，如何设计合理的优化目标，在此基础上利用智能优化算法对问题进行优化并生成图像对抗水印，是亟待解决的一个问题。

发明内容

本发明的目的在于提供一种基于粒子群算法的图像对抗水印生成方法，提高对抗水印生成效率和对抗性。

为实现上述目的，本发明所采取的技术方案为：

一种基于粒子群算法的图像对抗水印生成方法，所述基于粒子群算法的图像对抗水印生成方法，包括：

步骤1、根据水印的位置与透明度信息，通过阿尔法混合将原始图像与水印结合生成水印图像；

步骤2、将生成的水印图像输入到目标神经网络中，得到由目标神经网络输出的各个分类置信度的信息；

步骤3、基于针对水印图像的各个分类置信度，通过粒子群算法得到对抗水印图像，包括：

步骤31、将对抗水印生成问题转化为寻找(p,q,α,scale)值使得生成的对抗水印图像的置信度为非极大值的优化问题，建立优化目标为：

minimize fit(p,q,α,scale)＝f_t(g(p,q,α,scale))-f_s(g(p,q,α,scale))

式中，以最小化适应度函数fit作为优化目标，f_t(g(p,q,α,scale))表示针对水印图像分类得到的正确分类标签t的置信度，f_s(g(p,q,α,scale))表示针对水印图像分类得到的除正确分类标签t之外的其他分类标签中置信度的最大值，g(p,q,α,scale)函数为水印生成函数，(p,q)为水印在原始图像中的位置坐标，α为水印的透明度值，scale为水印的长宽与原始图像长宽的比值；

步骤32、粒子群算法初始化：初始化时，粒子群中的每个粒子随机分布在D维空间里，具有随机速度与位置，粒子i在第k次迭代时的位置记为粒子i在第k次迭代时的速度记为每个粒子的位置由(p,q,α,scale)构成，代表不同的对抗水印图像；

步骤33、将粒子群进行迭代更新直至到达最大迭代次数后停止，每次迭代输出水印的位置与透明度信息；

步骤34、停止迭代后粒子群算法输出最优的(p,q,α,scale)值，输入水印生成函数g(p,q,α,scale)中，生成具有图像对抗水印的对抗水印图像。