-
公开(公告)号：CN109492416A
公开(公告)日：2019-03-19
申请号：CN201811322310.X
申请日：2019-01-07
Applicant: 南京信息工程大学
CPC classification number: G06F21/602 , G06K9/6267 , G06N3/0454 , G06N3/0481 , G06N3/08
Abstract: 本发明提供一种基于安全区域的大数据图像保护方法，包括：S1：采用目标检测方法选择目标安全区域，同时提取彩色图像特征；S2：采用大数据技术，利用大数据图片集训练网络模型以及测试网络模型，应用深度学习模型在目标检测中的应用算法，提取出物体区域作为信息保护的安全区域；S3：将提取的安全区域作为含密图像的隐写区域，应用隐写算法进行秘密信息隐藏。本发明能够应用深度学习模型在目标检测中的应用算法，即Mask R-CNN实例分割方法，选择出图像中纹理噪声较为复杂的区域，即前景部分，将秘密信息准确地隐藏于前景物体中，从而实现更加隐秘的图像秘密信息隐藏保护的目的。
-
公开(公告)号：CN115936961B
公开(公告)日：2024-01-02
申请号：CN202211462057.4
申请日：2022-11-21
Applicant: 南京信息工程大学
IPC: G06T1/00 , G06V10/82 , G06V10/40 , G06V10/764 , G06V10/774 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于少样本对比学习网络的隐写分析方法、设备及介质，其中方法针对少量的隐写图像数据对，用数据增强的方式生成多组额外可用的训练样本；随机挑选一对载体图像和含秘图像，两者相减获得残差图像，将上述三张图像与以及另一张无关的载体图像组成一组训练数据，并以锚点样本、负样本、正样本、指导样本的形式输入对比学习网络。网络先进行特征提取，分别对锚点样本、正样本、负样本是否为含秘图像进行分类，并计算分类损失；对输入的锚点样本、正样本、负样本的特征向量计算对比损失；对输入的负样本、指导样本的特征向量计算对比指导损失；结合分类损失、对比损失和对比指导损失优化网络；抽取网络结构中的一个分支作为应用网络。
-
公开(公告)号：CN113610878B
公开(公告)日：2022-04-08
申请号：CN202110800700.9
申请日：2021-07-15
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于轮廓自动生成的构造式信息隐藏方法，具体为：将长度为L的秘密信息的二值序列S切分成n段长度均为l的二值序列；步骤2：构建目标轮廓图像；步骤3：构建轮廓‑图像可逆变换模型；步骤4：将目标轮廓图像输入至训练好的轮廓‑图像可逆变换模型中，生成模型根据目标轮廓图像生成含密图像，所述提取模型用于提取含密图像的轮廓，以实现将秘密信息的二值序列隐藏在提取模型提取的轮廓中。本发明生成含密图像质量较高，视觉效果更好。
-
公开(公告)号：CN113255202A
公开(公告)日：2021-08-13
申请号：CN202110591597.1
申请日：2021-05-28
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于小波域粒子群的三维模型水印嵌入方法，涉及多媒体数据处理保护技术领域，对三维模型进行降维，获得降维后的三维模型的特征点，结合特征点生成矩阵，将水印嵌入矩阵的中频区域，并调整嵌入深度，得到包含水印的三维模型，对含有水印图像的三维模型进行鲁棒性计算评价，确定三维模型的水印信息。通过本发明的技术方案使嵌入的水印可以抵抗平移、旋转和缩放的几何攻击，并且利用多小波嵌入水印，根据质量的大小自适应选择中频嵌入水印，提供了一种确保医学数据完整、安全的鲁棒水印方法。
-
公开(公告)号：CN112182287A
公开(公告)日：2021-01-05
申请号：CN202010945969.1
申请日：2020-09-10
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于时空视觉词组和分层匹配的视频拷贝检测方法，包括以下步骤：1)视频帧采样；2)SURF特征提取；3)空间视觉词生成；4)时间视觉词生成；5)时空视觉词组生成；6)多级倒排索引结构构建；7)特征分层匹配与特征相似度融合计算；通过以上步骤得到查询视频和库视频之间的相似度，从而判定库视频是否为查询视频的拷贝版本。本发明首先生成时空视觉词组，然后将生成的时空视觉词组构建多级倒排索引以便于特征匹配，在线检测阶段使用了特征分层匹配与相似度融合计算策略，本发明的视频拷贝检测方法，在保证拷贝检测效率的同时，大大提高了检测的准确度。
-
Patent Agency Ranking
公开(公告)号：CN111768326B
公开(公告)日：2023-08-25
申请号：CN202010257335.7
申请日：2020-04-03
Applicant: 南京信息工程大学
IPC: G06T1/00 , G06T3/00 , G06N3/0464 , G06N3/047 , G06N3/084 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于GAN扩增图像前景物体的高容量数据保护方法，通过应用多种GAN于信息隐藏，得到嵌入失真概率图，并根据嵌入失真概率图计算不适合隐写区域，在不适合隐写区域中通过固定区域物体生成及信息嵌入模块生成前景物体，在生成图像中隐藏秘密信息，主要步骤如下：(1)将原始图像输入隐写概率图生成器；(2)计算隐写概率图；(3)计算不适合隐写区域；(4)向原始图像中增加纹理物体；(5)进行信息隐藏算法嵌入秘密信息。本发明预先为图像计算出不适合隐藏区域，实现对信息隐藏中原图像不适合隐藏区域的定向隐藏能力提升；提供增加隐藏容量、高安全性的高容量数据保护方法。
-
公开(公告)号：CN111768325B
公开(公告)日：2023-07-25
申请号：CN202010257323.4
申请日：2020-04-03
Applicant: 南京信息工程大学
IPC: G06T1/00 , G06F21/16 , G06F21/62 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种大数据隐私保护中基于生成对抗样本的安全性提升方法，其特征在于，主要包括步骤如下：(1)原始信息的初始化；(2)通过生成器生成载体图像和通过对抗攻击生成对抗扰动图像；(3)将载体图像和对抗扰动图像进行线性混合；(4)对合成载体图像应用信息隐藏算法进行处理；所述步骤(1)～(4)中通过建立前景物体生成模块、强对抗扰动生成模块、信息隐藏模块以及线性混合函数，实现大数据隐私保护的安全性。本发明基于GAN的框架及对抗攻击算法，通过生成针对隐写分析模型的对抗扰动，实现对隐写分析的对抗干扰；使扰动与前景物体融合，降低不规则扰动的可察觉性；提供一种基于GAN生成对抗样本的大数据隐私保护方法。
-
公开(公告)号：CN116257823A
公开(公告)日：2023-06-13
申请号：CN202310240751.X
申请日：2023-03-14
Applicant: 南京信息工程大学
IPC: G06F21/16 , G06V10/28 , G06V10/774
Abstract: 本发明公开了一种针对屏幕拍摄场景基于深度学习的零水印版权保护方法、系统、装置及存储介质，属于图像处理技术领域，包括获取载体图像、水印图像和待验证图像；将载体图像和待验证图像输入到训练好的水印编码器中输出载体图像特征和待验证图像特征；对载体图像特征进行二值化得到载体图像二值特征，将载体图像二值特征与水印图像异或生成零水印图像；对待验证图像特征进行二值化得到待验证图像二值特征，将待验证图像二值特征与所述零水印图像异或生成重建水印图像，计算重建水印图像与水印图像的归一化相关系数，若所述归一化相关系数大于预设的阈值，则所述待验证图像的版权属于水印图像的提供方；提高版权判别精确度，实现版权保护。
-
公开(公告)号：CN116206375A
公开(公告)日：2023-06-02
申请号：CN202310474306.X
申请日：2023-04-28
Applicant: 南京信息工程大学
IPC: G06V40/40 , G06V40/16 , G06V10/26 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/047 , G06N3/048 , G06N3/09 , G06N3/088
Abstract: 本发明公开了一种基于双层孪生网络和可持续学习的人脸伪造检测方法，包括步骤：构建用于持续学习策略的图像训练集；通过持续学习策略训练已构建的双层孪生网络，双层孪生网络包括：用于快速学习的有监督子网络，适用于慢速学习的无监督子网络和记忆模块；无监督子网络通过无监督学习提取特征并指导有监督子网络，有监督子网络在无监督子网络的指导下，进行有监督学习提取特征；记忆模块用于巩固学习到的知识；将待检测图像输入到训练好的检测模型，模型对图像进行分割检测，检测出图像中人脸伪造的具体位置。本发明能提高人脸伪造检测模型的准确性，同时实现对具体伪造位置的预测；利用持续学习策略，提升人脸伪造检测模型的泛化性能。
-
公开(公告)号：CN115879072B
公开(公告)日：2023-05-16
申请号：CN202310194809.1
申请日：2023-03-03
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种深度伪造指纹检测模型的版权保护方法、装置及介质，包括：获取预设数量的指纹图像，并对各指纹图像添加真实标签生成第一样本集；将第一样本集按预设第一比例划分为第一子集和第二子集；通过LSB隐写算法将预设水印图像集嵌入第一子集生成触发集；将触发集和第二子集合并生成第二样本集；通过第二样本集训练预构建的深度伪造指纹检测模型，获取具备版权保护的深度伪造指纹检测模型；本发明通过LSB隐写算法构建触发集，从而在训练深度伪造指纹检测模型时植入隐形后门，通过隐形后门进行版权验证，从而解决深度伪造指纹检测模型进行版权保护的问题。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.03 seconds)
