基于去噪扩散隐式模型的图像隐私保护方法

    公开(公告)号:CN118381926A

    公开(公告)日:2024-07-23

    申请号:CN202410480188.8

    申请日:2024-04-19

    申请人: 云南大学

    摘要: 本发明公开了一种基于去噪扩散隐式模型的图像隐私保护方法,从待保护图像中提取私有区域的掩码图像,采用去噪扩散隐式模型DDIM的逆向加噪过程对待保护图像进行加噪处理得到加噪图像,对加噪图像进行通道拆分,选取部分通道图像作为待混淆通道图像进行像素混淆处理,连同其他原始通道图像重构得到加噪图像,再采用去噪扩散隐式模型DDIM的正向去噪过程对加噪图像进行去噪处理生成隐私保护图像,当用户将隐私保护图像发送至其他用户时,接收方采用生成隐私保护图像的逆过程恢复得到还原图像。本发明结合去噪扩散隐式模型和像素混淆方法进行图像匿名化,可以在确保个人隐私的同时,有效恢复图像。

    基于隐写区域预测的图像隐写分析方法

    公开(公告)号:CN116664599B

    公开(公告)日:2024-06-11

    申请号:CN202310641259.3

    申请日:2023-06-01

    申请人: 云南大学

    摘要: 本发明公开了一种基于隐写区域预测的图像隐写分析方法,从所收集图像中随机选择部分图像采用预设的图像隐写算法进行隐写操作,将未进行隐写操作的图像和进行了隐写操作的图像共同构成样本集,并对样本集中的图像生成真实的隐写二值图像,构建包括预处理模块、编码器、ASPP模块和解码器的图像隐写分析模型,采用样本集对图像隐写分析模型进行训练,将待分析图像输入至图像隐写分析模型得到预测的隐写二值图像,根据隐写二值图像判断待分析图像是否为隐写图像,并对隐写二值图像进行连通域分析,将得到的连通域作为隐写区域。本发明设计可以在实现隐写图像识别的同时,通过隐写区域为后续的隐写分析提供有效信息。

    基于对抗样本检测和矩阵分解的集成防御方法

    公开(公告)号:CN115545099A

    公开(公告)日:2022-12-30

    申请号:CN202211180101.2

    申请日:2022-09-27

    申请人: 云南大学

    摘要: 本发明公开了一种基于对抗样本检测和矩阵分解的集成防御方法,对于目标模型的输入样本,首先采用基于阈值的对抗样本检测方法进行对抗样本检测,如果检测到输入样本为对抗样本,则对于对抗样本基于矩阵分解进行数据重构,得到重构样本,当输入样本为正常样本时,直接将输入样本输入目标模型进行预测,得到输入样本的预测结果;当输入样本为对抗样本时,将重构样本输入目标模型进行预测,作为输入样本的预测结果。本发明通过基于阈值的对抗样本检测方法和基于矩阵分解的输入样本重构方法两种技术的结合,从而有效防御对抗样本,提高目标模型的鲁棒性。

    基于双FLOW的生成式无嵌入隐写方法

    公开(公告)号:CN118158327A

    公开(公告)日:2024-06-07

    申请号:CN202311433464.7

    申请日:2023-10-31

    申请人: 云南大学

    IPC分类号: H04N1/32 H04N1/44

    摘要: 本发明公开了一种基于双FLOW的生成式无嵌入隐写方法,设置两个FLOW模型,一个作为将秘密图像编码成高斯分布的编码器,另一个作为根据高斯分布生成隐写图像的生成器,采用训练样本集对编码器和生成器分别进行训练,将需要隐藏的秘密图像通过编码器生成高斯分布,根据生成器的先验知识采样得到高斯分布,采用秘密图像的高斯分布对先验高斯分布进行高维特征空间替换,生成器根据替换后的高斯分布生成隐写图像,然后采用逆操作从隐写图像中提取还原秘密图像。本发明利用流模型的可逆性在秘密图像和生成的隐写图像之间建立可逆的双射变换,不需要载体图像即可生成自然的隐写图像,同时提高了秘密图像的还原质量。

    边缘异构计算系统的卷积神经网络分布式推理方法

    公开(公告)号:CN118643898A

    公开(公告)日:2024-09-13

    申请号:CN202410657980.6

    申请日:2024-05-24

    申请人: 云南大学

    摘要: 本发明公开了一种边缘异构计算系统的卷积神经网络分布式推理方法,从边缘异构计算系统中搭载了GPU的边缘设备节点中选择一个节点作为协调者,其余搭载了GPU的节点作为工作者,协调者基于特征图的依赖关系进行逆向推导,从而将原始的卷积神经网络划分为4个子模型,并对子模型中各个卷积层的卷积核进行调整后分发给工作者,协调者从输入图像中裁剪出各个子模型的子输入图像并进行几何变换后分发给对应工作者,工作者将子输入图像输入子模型进行处理,得到子输出特征图并发送至协调者,协调者对4个子输出特征图分别进行裁剪和几何变换的逆变换,再合并得到最终的输出特征图。本发明可以在实现零准确度损失的前提下降低模型推理时延。

    基于流模型的生成式图像隐写方法

    公开(公告)号:CN118337926A

    公开(公告)日:2024-07-12

    申请号:CN202410451550.9

    申请日:2024-04-15

    申请人: 云南大学

    IPC分类号: H04N1/32 G06N20/00 H04N1/44

    摘要: 本发明公开了一种基于流模型的生成式图像隐写方法,根据实际需要收集若干预设尺寸的图像作为秘密图像构成训练样本集,构建包括输入流模型、隐向量重构模块、图像采样模块、隐向量替换模块和双分支流模型的图像隐写模型,采用训练样本集对图像隐写模型进行训练,当需要生成隐写图像时,将秘密图像输入训练好的图像隐写模型生成对应的隐写图像,接收方在接收到隐写图像后采用图像隐写模型的逆操作提取出秘密图像。本发明通过设计双分支流模型,优化隐写图像生成与秘密信息提取过程,以实现保证隐藏容量不变的同时提高模型鲁棒性和安全性。

    基于隐写区域预测的图像隐写分析方法

    公开(公告)号:CN116664599A

    公开(公告)日:2023-08-29

    申请号:CN202310641259.3

    申请日:2023-06-01

    申请人: 云南大学

    摘要: 本发明公开了一种基于隐写区域预测的图像隐写分析方法,从所收集图像中随机选择部分图像采用预设的图像隐写算法进行隐写操作,将未进行隐写操作的图像和进行了隐写操作的图像共同构成样本集,并对样本集中的图像生成真实的隐写二值图像,构建包括预处理模块、编码器、ASPP模块和解码器的图像隐写分析模型,采用样本集对图像隐写分析模型进行训练,将待分析图像输入至图像隐写分析模型得到预测的隐写二值图像,根据隐写二值图像判断待分析图像是否为隐写图像,并对隐写二值图像进行连通域分析,将得到的连通域作为隐写区域。本发明设计可以在实现隐写图像识别的同时,通过隐写区域为后续的隐写分析提供有效信息。