[发明专利]一种基于DCT系数的生成网络模型水印方法及应用

权利要求书

1.一种基于DCT系数的生成网络模型水印方法，其特征在于，包括如下步骤：

步骤1、创建训练图像数据集；

步骤2、利用DCT变换在训练图像中嵌入不可见图像水印

步骤2.1、读取训练图像为32*32*3的矩阵，提取图像中的蓝色通道B，即其中32*32*1的部分矩阵；；

步骤2.2、将训练图像在蓝色通道B中分割为大小为2*2的分块；

步骤2.3、对每一个2*2方块进行DCT变换后在用水印的值乘以10后覆盖方块右下角的值，嵌入一位水印，生成的每一张训练图像中都包含有可提取的不可见水印；

步骤2.4、对2*2方块进行逆DCT变化，并更新原方块的值；

步骤3、将步骤2中的带有不可见水印的训练图像投入生成图像任务的神经网络中训练，得到带水印的网络模型。

2.根据权利要求1所述的一种基于DCT的生成网络模型水印方法，其特征在于，所述步骤2还包括步骤2.5、重复步骤2.3和步骤2.4，直至嵌入水印长度为256位。

3.根据权利要求2所述的一种基于DCT系数的生成网络模型水印方法，其特征在于，所述步骤2.3中生成的每一张训练图像中都包含有可提取的不可见水印。

4.根据权利要求1所述的一种基于DCT的生成网络模型水印方法，其特征在于，步骤3具体实现如下：

步骤3.1、将含有不可见水印的训练图像打包为tfrecords文件用作生成图像任务的神经网络的训练，在学习原始任务的同时学习嵌入不可见水印；

步骤3.2、初始化神经网络的参数；

步骤3.3、训练神经网络，在原始任务损失的基础上加上模型水印的损失L_wm，减少提取的水印和目标水印之间的距离。

其中，α表示水印的影响系数，X表示网络生成数据的分布，key表示水印密钥，w_o表示原水印；

步骤3.4、经过n轮训练后得到可生成带水印的网络模型。

5.根据权利要求4所述的一种基于DCT的生成网络模型水印方法，其特征在于，所述步骤3.1中用于训练的神经网络采用ProGAN模型。

6.一种根据权利要求1-5任意一项所述基于DCT的生成网络模型水印方法的应用，其特征在于，当带水印的网络模型的所有权产生争议的时候，验证者只需要收集由该带水印的网络模型生成的图像，并用DCT水印提取算法提取图像中的不可见水印，并与持有水印进行比对，如果比对成功就能证明模型的所有权归属。