[发明专利]一种使用AI生成图像的无载体机密分享方法

权利要求书

1.一种使用AI生成图像的无载体机密分享方法，其特征在于，具体步骤如下：

S1：获取基于DCGAN模型训练的伪装图像生成模型，用于将待嵌入的序列转成伪装图像；获取基于SRGAN模型训练的认证码嵌入器，用于生成在伪装图像中嵌入认证码的机密份额图像；获取基于U-Net训练的认证模型，用于对机密份额图像进行认证；获取基于深度卷积网络训练的提取器，用于恢复机密份额图像中的嵌入序列；

S2：机密拥有者对待分享的机密信息进行拆分和编码，将一条机密信息编码为两条含有待嵌入序列信息的噪声；

S3：机密拥有者将两条噪声分别输入伪装图像生成模型中，得到两张伪装图；

S4：机密拥有者将两张伪装图分别输入认证码嵌入器中，得到最终的机密份额图像，将最终的机密份额图像发送给两个参与者；

S5：两个参与者在从各自收到的机密份额图像中提取机密信息时，每个参与者需要首先要把自己收到的机密份额图像发给第三方进行图像认证，若通过认证则可以利用提取器来得到自己收到的机密份额图像中的嵌入序列并恢复机密信息。

2.根据权利要求1所述的使用AI生成图像的无载体机密分享方法，其特征在于，所述S1中，训练四个模型的方法如下：

S11：进行内部训练：将认证码嵌入器G_H和认证模型E₁进行联合训练；

S12：进行外部训练：将伪装图像生成器G_L和提取器E₂进行联合训练。

3.根据权利要求2所述的使用AI生成图像的无载体机密分享方法，其特征在于，所述S2中，机密拥有者对待分享的机密信息进行拆分和编码获得两条噪声的方法如下：

S21：基于机密信息S，生成一条和机密信息长度相同的随机序列a，并利用异或操作来生成第二条序列b，公式如下：

式中：代表异或操作；

S22：将序列a和序列b映射为噪声向量n_a和n_b，映射规则如下：

其中，n_a(i),a(i),n_b(i)和b(i)分别代表了向量n_a、a、n_b、b中的第i个元素；rand()操作会产生括号范围内的浮点数，δ为预设的控制噪声范围的超参数。

4.根据权利要求3所述的使用AI生成图像的无载体机密分享方法，其特征在于，所述S3中，机密拥有者将两条噪声输入伪装图像生成模型中得到两张伪装图的公式如下：

其中，I_a1和I_a2代表生成的两张伪装图像，G_L代表伪装图像生成器。

5.根据权利要求4所述的使用AI生成图像的无载体机密分享方法，其特征在于，所述S4中，机密拥有者将两张伪装图分别输入认证码嵌入器中得到最终的机密份额图像的方法如下：

S41：产生一串64比特的认证码，并将认证码映射成一张64×64大小的认证图像B_A，B_A中的每一个8×8的块代表了1比特的认证码；

S42：将伪装图RGB通道中的B通道替换为认证图像B_A，并输入到认证码嵌入器中以得到最终的机密份额图像并用于发给参与者，其公式如下：

其中I_a2和I_b2代表两张最终的机密份额图像，G_H代表认证码嵌入器。

6.根据权利要求5所述的使用AI生成图像的无载体机密分享方法，其特征在于，所述S5的具体实现方法如下：

S51：两个参与者将各自得到的机密份额图像发给第三方机构进行认证；

S52：第三方机构使用认证模型对接收到的两张机密份额图像分别提取认证图像，其公式如下：

其中和分别代表从两张机密份额图像I_a2和I_b2中提取出的认证图像，E₁代表认证模型；

S53：第三方机构对比两张认证图像，若对应的认证码匹配度超过预设的门槛值则代表认证通过，反之认证失败；

S54：认证通过后第三方机构将认证结果通知两个参与者，参与者将各自收到的机密份额图像放入提取器中提取含有嵌入序列信息的噪声向量，其公式如下：

其中和代表提取出噪声向量，E₂代表提取器；

S55：参与者将提取到的两个噪声向量分别映射回原本的序列，实现序列的恢复，公式如下：

其中，和代表恢复出的序列和中的第i个向量元素；

S56：参与者利用恢复出的两条序列通过异或操作来恢复原始的机密信息，其公式如下：

其中代表最终恢复出的机密信息。