-
公开(公告)号：CN119168839B
公开(公告)日：2025-04-18
申请号：CN202411659465.8
申请日：2024-11-20
Applicant: 南京信息工程大学
IPC: G06T1/00 , G06V10/764 , G06V10/82 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开一种基于双分支网络的高质量因子JPEG图像隐写分析方法，对于待分析JPEG图像，先从频率域转换到空间域得到未进行舍入和截断的非舍入像素值块，然后将非舍入像素值块进行舍入和截断操作，再将舍入误差和截断误差归一化并相加转换为误差图像；将JPEG图像和误差图像输入训练好的双分支网络，分支网络包括并行的Transformer网络模块和CNN网络模块，同时提取频域特征空域特征；将频域特征和空域特征通过融合模块进行融合，所得融合特征进入分类器，判断是否被隐写。本发明能够对高质量因子压缩下的JPEG图像进行隐写分析。
-
公开(公告)号：CN119052506B
公开(公告)日：2025-02-28
申请号：CN202411550271.4
申请日：2024-11-01
Applicant: 南京信息工程大学
IPC: H04N19/467 , H04N19/44 , H04N19/136 , H04N19/21 , H04N19/33 , H04N19/34 , H04N1/44 , G06N3/0475 , G06N3/0895 , G06N3/094
Abstract: 本发明公开一种基于扩展隐空间和对比学习的生成式隐写方法，属于信息安全领域，利用扩展隐空间和对比学习实现秘密信息的隐藏和提取，通过特征金字塔编码器将真实参考图像转换到#imgabs0#隐空间中，以扩展图片载体的隐写容量，采用主成分分析PCA在不同层级的隐向量中寻找结构属性的分布区间，以确定信息嵌入的最佳区域；最后利用预训练的StyleGAN2生成器进行载密图像的生成，同时，引入CLIP的变体对比学习机制，将图像与隐向量对齐训练后冻结为损失模块，以提高信息提取的准确率。本发明适用于大数据时代中日益突出的多媒体通信和用户隐私安全问题，实现秘密信息的隐藏和提取。
-
公开(公告)号：CN119067828B
公开(公告)日：2025-01-24
申请号：CN202411550247.0
申请日：2024-11-01
Applicant: 南京信息工程大学
IPC: G06T1/00 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开一种基于扩散模型的生成式可见水印生成方法，使用前向联合框架将待添加的可见水印的内容转换为与生成图像一致的前向参数，并与生成图像的内容在扩散空间进行前向参数叠加，使得可见水印与生成图像深度融合，即在扩散模型生成图像的过程中在图像中添加可见水印，直接得到生成含水印图像；在使用前向联合框架将可见水印的内容转换为对应前向参数之前，先判断扩散模型的类型，如果是像素级扩散模型则在扩散过程中使用前向联合框架，如果是潜变量级扩散模型，则需要先利用编码器把图像转换为潜变量，然后再使用前向联合框架。本发明实现生成图像生成过程中同时添加可见水印，抵抗传统水印去除网络的攻击。
-
Patent Agency Ranking
公开(公告)号：CN119168839A
公开(公告)日：2024-12-20
申请号：CN202411659465.8
申请日：2024-11-20
Applicant: 南京信息工程大学
IPC: G06T1/00 , G06V10/764 , G06V10/82 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开一种基于双分支网络的高质量因子JPEG图像隐写分析方法，对于待分析JPEG图像，先从频率域转换到空间域得到未进行舍入和截断的非舍入像素值块，然后将非舍入像素值块进行舍入和截断操作，再将舍入误差和截断误差归一化并相加转换为误差图像；将JPEG图像和误差图像输入训练好的双分支网络，分支网络包括并行的Transformer网络模块和CNN网络模块，同时提取频域特征空域特征；将频域特征和空域特征通过融合模块进行融合，所得融合特征进入分类器，判断是否被隐写。本发明能够对高质量因子压缩下的JPEG图像进行隐写分析。
-
公开(公告)号：CN119807752A
公开(公告)日：2025-04-11
申请号：CN202510288856.1
申请日：2025-03-12
Applicant: 南京信息工程大学
IPC: G06F18/214 , G06F18/213 , G06F18/25 , G06T11/00 , G06N3/0499 , G06N3/0455 , G06N3/048 , G06V10/44 , G06V10/82 , G06N3/094
Abstract: 本发明属于信息安全领域，公开一种基于多模态语义的对抗样本检测方法，构建并训练对抗样本检测网络，使用多种不同文本生成网络提取特征，生成互补的图像描述；然后使用文本语义编码器提取不同图像描述中的文本语义；最后使用文本耦合器将互补的文本语义进行耦合，使用视觉语义编码器对原始干净样本和对抗样本图像进行视觉语义提取，得到对应的干净特征/对抗特征；使用异构语义对齐模块将文本语义和视觉语义在向量空间中高维映射并对齐；使用检测头来学习对齐后的视觉语义和文本语义的差异，最终检测出对抗样本。本发明联合视觉语义和文本语义，实现图像和语言间的异构语义对齐，采用多文本耦合器来整合多个互补语义，从而丰富了文本模态信息。
-
公开(公告)号：CN119693214A
公开(公告)日：2025-03-25
申请号：CN202510216673.9
申请日：2025-02-26
Applicant: 南京信息工程大学
IPC: G06T1/00 , G06N3/0455 , G06T5/10 , G06T5/60
Abstract: 本发明公开一种基于稳定扩散模型的生成式不可见水印方法，先将文本提示/图像提示处理得到潜变量，利用潜变量来指导生成图像，先通过变分自编码器将图像转换为低维潜在表示，依据低维潜在表示生成潜在噪声，结合潜在噪声和低维潜在表示进行多次迭代生成含噪声图像；利用水印解码器来微调解码器，从而在生成的图像中嵌入微调后的权重水印；同时，在稳定扩散模型生成图像时，使用变分自编码器将图像压缩为潜在噪声，再将所得潜在噪声进行小波变换得到噪声水印，并将噪声水印信息映射为环状图案水印并嵌入到噪声低频子带，利用含有水印噪声进行图像生成，到含水印图像。本发明在生成图像过程中嵌入水印，并在生成的图像中将水印信息可以提取出来。
-
公开(公告)号：CN119052506A
公开(公告)日：2024-11-29
申请号：CN202411550271.4
申请日：2024-11-01
Applicant: 南京信息工程大学
IPC: H04N19/467 , H04N19/44 , H04N19/136 , H04N19/21 , H04N19/33 , H04N19/34 , H04N1/44 , G06N3/0475 , G06N3/0895 , G06N3/094
Abstract: 本发明公开一种基于扩展隐空间和对比学习的生成式隐写方法，属于信息安全领域，利用扩展隐空间和对比学习实现秘密信息的隐藏和提取，通过特征金字塔编码器将真实参考图像转换到#imgabs0#隐空间中，以扩展图片载体的隐写容量，采用主成分分析PCA在不同层级的隐向量中寻找结构属性的分布区间，以确定信息嵌入的最佳区域；最后利用预训练的StyleGAN2生成器进行载密图像的生成，同时，引入CLIP的变体对比学习机制，将图像与隐向量对齐训练后冻结为损失模块，以提高信息提取的准确率。本发明适用于大数据时代中日益突出的多媒体通信和用户隐私安全问题，实现秘密信息的隐藏和提取。
-
公开(公告)号：CN119067828A
公开(公告)日：2024-12-03
申请号：CN202411550247.0
申请日：2024-11-01
Applicant: 南京信息工程大学
IPC: G06T1/00 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开一种基于扩散模型的生成式可见水印生成方法，使用前向联合框架将待添加的可见水印的内容转换为与生成图像一致的前向参数，并与生成图像的内容在扩散空间进行前向参数叠加，使得可见水印与生成图像深度融合，即在扩散模型生成图像的过程中在图像中添加可见水印，直接得到生成含水印图像；在使用前向联合框架将可见水印的内容转换为对应前向参数之前，先判断扩散模型的类型，如果是像素级扩散模型则在扩散过程中使用前向联合框架，如果是潜变量级扩散模型，则需要先利用编码器把图像转换为潜变量，然后再使用前向联合框架。本发明实现生成图像生成过程中同时添加可见水印，抵抗传统水印去除网络的攻击。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.033 seconds)
