-
公开(公告)号：CN119766933A
公开(公告)日：2025-04-04
申请号：CN202411549919.6
申请日：2024-11-01
Applicant: 中国人民武装警察部队工程大学
Abstract: 本发明公开了基于多密钥阈值解密的密文域可逆信息隐藏方法，包括：通过密钥服务器生成系统公钥和私钥份额，并将私钥份额分发给解密端；通过图像提供端获取原始图像，根据系统公钥对原始图像进行加密，得到加密图像；通过数据隐藏端对嵌入消息进行划分为第一消息和第二消息，采用值扩展嵌入算法将第一消息嵌入到加密图像中，采用随机数刷新嵌入算法将第二消息嵌入到嵌入第一消息的加密图像中，得到含密密文图像；通过解密端对含密密文图像进行消息提取，获得第二消息，并对含密密文图像进行解密，得到分布式解密图像；通过图像接收端对若干个分布式解密图像进行联合解密，得到明文图像，对明文图像进行提取消息和恢复，得到第一消息和原始图像。
-
公开(公告)号：CN119722926A
公开(公告)日：2025-03-28
申请号：CN202411681428.7
申请日：2024-11-22
Applicant: 中国人民武装警察部队工程大学
Abstract: 本发明公开了一种3D高斯飞溅模型版权保护方法，包括以下步骤：获取3D高斯飞溅模型，通过对所述3D高斯飞溅模型进行二次训练，将水印信息嵌入3D高斯飞溅模型模型中，获得二次训练的3D高斯飞溅模型模型；基于深度神经网络构建消息提取器，通过所述消息提取器对3D高斯飞溅模型渲染的图像进行检索，提取水印信息。本发明通过对3D高斯飞溅模型二次训练将水印信息嵌入模型中，然后使用特定的提取器来提取水印信息。同时保持较高的渲染质量。同时能够有效防止模型被恶意窃取。
-
公开(公告)号：CN117676030A
公开(公告)日：2024-03-08
申请号：CN202311542505.6
申请日：2023-11-20
Applicant: 中国人民武装警察部队工程大学
Abstract: 本发明公开了一种抗加性噪声攻击的密文域鲁棒可逆水印方法，包括，通过使用私钥获取用于明文映射的量化向量，并构建解密量化规则；基于所述解密量化规则和量化向量，将整个密文域空间进行二次的重量化，使新量化后的子区域负载额外信息，并在量化过程中引入噪声缓冲区，实现嵌入信息具有抵抗加性噪声的鲁棒性。本发明的算法与现有的水印算法相比，由于可以在任一明文比特的密文中嵌入1比特水印数据，因此在面对剪裁攻击时，只要攻击后可以保留下一个水印尺寸的密文，即可完全提取出水印，本算法抵抗剪裁攻击主要是基于高嵌入量带来的大量冗余嵌入，使得水印的分布较大。
-
公开(公告)号：CN117459649A
公开(公告)日：2024-01-26
申请号：CN202311530624.X
申请日：2023-11-16
Applicant: 中国人民武装警察部队工程大学
IPC: H04N1/32 , G06T3/04 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于图像风格迁移的大容量信息隐藏方法及系统，所述方法中：隐藏阶段利用隐藏网络结合风格图像的特征，将内容图像转化为具有风格图像特征的艺术图像，在此过程中嵌入秘密图像，生成含密图像；提取阶段将含密图像输入提取网络，经深度卷积操作，从含密图像中提取秘密图像，提取出秘密信息；隐藏网络中包括特征提取网络，特征提取网络在卷积层的基础上引入Inception模块和残差模块，Inception模块用于融合不同感受野大小的特征图，残差模块用于加快训练过程；本发明实现了在图像风格迁移过程中一张彩色图像的嵌入，包含更多的图像细节信息，显著提高隐藏容量；引入InceptionBlock块，使用多个不同大小的卷积核，可以融合秘密图像不同感受野大小的特征图。
-
公开(公告)号：CN111696021B
公开(公告)日：2023-03-28
申请号：CN202010524234.1
申请日：2020-06-10
Applicant: 中国人民武装警察部队工程大学
IPC: G06T1/00
Abstract: 本发明属于图像处理技术领域，具体公开了一种基于显著性检测的图像自适应隐写分析系统，包括显著性检测模块、区域筛选模块和判别器模块。还公开了分析方法，具体为：首先将判别器模块检测错误的图像输入显著性检测模块，形成显著性图；然后由区域筛选模块提取出符合要求的显著性图，与其对应的原始图像进行图像融合，形成显著性融合图；最后将不符合要求的显著性图则替换为原始图像，由这部分原始图像和显著性融合图组合成更新后的数据集输入判别器模块进行训练，使判别器对与隐写区域重合度较高的区域进行有针对性的特征学习。本发明利用显著性检测技术引导隐写分析模型更加关注图像隐写区域的特征，从而提高模型的训练效果以及检测准确率。
-
公开(公告)号：CN112435155A
公开(公告)日：2021-03-02
申请号：CN202011109236.0
申请日：2020-10-16
Applicant: 中国人民武装警察部队工程大学
Abstract: 本发明公开了一种基于条件生成对抗网络的可控图像隐写方法，包括以下步骤：利用噪声样本、条件信息和自然图像对生成对抗网络进行训练，所述生成对抗网络包括用于生成图像的生成器和用于判别图像的判别器；利用生成器生成的生成图像和对应的驱动噪声对提取器进行训练；发送方将秘密信息转换成噪声信号，并将噪声信号和选取的条件信息输入训练好的生成器，生成内容可控的隐写图像；接收方接收隐写图像，输入训练好的提取器，提取隐写图像的噪声信号并将噪声信号还原成秘密信息。能利用条件信息有效控制生成的含密图像内容，为解决基于GAN的生成式隐写生成载体内容无法控制的问题提供了一种思路。
-
公开(公告)号：CN112132738A
公开(公告)日：2020-12-25
申请号：CN202011085366.5
申请日：2020-10-12
Applicant: 中国人民武装警察部队工程大学
Abstract: 本发明公开了一种有参考生成的图像鲁棒隐写方法，涉及深度学习技术领域，所述方法包括：以现有的神经网络模型作为编码器，并且以原始图像和秘密信息作为编码器的输入，隐写图像作为输出；以现有的神经网络模型为判别器，以隐写图像作为判别器的输入，采用原始图像与隐写图像的均值之差作为损失，用来判断隐写图像的真实性；以现有的神经网络模型为解码器，以添加干扰后的隐写图像为输入，对秘密信息进行提取并输出。与其它现有的图像鲁棒隐写方法相比，本发明方法可以使秘密信息提取的准确率提高至98.55%,而且在添加干扰的情况下，秘密信息的提取率也可以达到90%以上。
-
公开(公告)号：CN112132734A
公开(公告)日：2020-12-25
申请号：CN202011024511.9
申请日：2020-09-25
Applicant: 中国人民武装警察部队工程大学
IPC: G06T1/00
Abstract: 本发明涉及图像信息隐藏技术，具体公开了一种基于多通道差值排序的图像可逆信息隐藏方法，包括以下步骤：对彩色图像的像素信息进行差分操作得到趋势差值序列；对趋势差值序列进行排序操作，然后再对趋势差值的排序最小值进行差分操作得到复杂度；引入复杂度阈值，选择复杂度小于复杂度阈值的像素位置作为具有嵌入条件的像素位置；对于具有嵌入条件的像素位置，自适应修改多通道差值排序序列中最值对应通道的相应像素信息，采取对基于多通道排序差值的最值预测误差对进行对偶式扩展完成信息可逆嵌入。利用彩色图像通道间像素的相关性，对通道间的趋势差值冗余程度进行排序后自适应选择通道进行可逆嵌入，相同嵌入容量下整体图像质量显著提升。
-
公开(公告)号：CN112054900A
公开(公告)日：2020-12-08
申请号：CN202010900949.2
申请日：2020-08-31
Applicant: 中国人民武装警察部队工程大学
Abstract: 本发明公开了一种密文域可逆信息隐藏方法，包括以下步骤：(1)对明文进行预处理和加密，得到密文；(2)将加密后的额外信息嵌入密文中，得到第一携密密文；(3)对第一携密密文二次嵌入基于密钥替换的密文LSB信息，最终得到携密密文；基于密钥替换的密文LSB信息为额外信息经加密处理得到的数据；(4)对携密密文进行LSB提取，提取出二次嵌入的额外信息；通过密文域信息提取及载体恢复或明文域信息提取及载体恢复对携密密文进行处理，得到原始明文和第一次嵌入的额外信息。本发明还公开了一种密文域可逆信息隐藏系统、计算机设备及可读存储介质，满足可分离密文域可逆信息隐藏的前提下，保证数据的高效、大容量嵌入及载体数据可逆恢复。
-
公开(公告)号：CN105634732B
公开(公告)日：2018-06-19
申请号：CN201610041248.1
申请日：2016-01-21
Applicant: 中国人民武装警察部队工程大学
Abstract: 本发明提供一种能够满足可分离隐写的前提下，有效保证数据大容量嵌入、载体数据可逆恢复和嵌入信息不可检测性的密文域多比特可逆信息隐藏方法。其包括如下步骤，步骤一，参数设置与数据预处理；步骤二，加密与信息嵌入；步骤三，解密与信息提取。本发明通过对基于R‑LWE公钥密码算法的密文数据的再编码，用户可以在密文域操作的基础上，嵌入多进制信息，实现数据加密。嵌入信息后，用户使用隐写密钥可以有效提取隐藏信息，使用解密密钥可以无差错恢复出加密前数据，与现有密文域隐写算法相比，该算法可以实现嵌入后密文的无差错解密与隐藏信息的有效提取，并且解密与提取过程可分离。
