[发明专利]一种基于条件扩散模型的数字水印攻击方法

说明书

本发明属于图像处理技术领域，公开了一种基于条件扩散模型的数字水印攻击方法，包括以下步骤：步骤1、建立扩散过程和条件去噪器；步骤2、依据扩散过程对条件去噪器进行训练，获得适用于数字水印攻击任务的条件扩散模型；步骤3、输入原始图像，使用条件控制模块合成条件控制图像；步骤4、输入噪声预测模块进行迭代去噪，得到无水印图像。通过本发明解决了以往数字水印攻击方法受限于水印嵌入方法未知、水印鲁棒性强的而造成的水印攻击效果差和图像质量不高等问题，提高了图像中水印信息的去除率和攻击后的图像质量。

技术领域

本发明属于图像处理技术领域，特别涉及一种基于条件扩散模型的数字水印攻击方法。

背景技术

随着互联网的发展，信息安全问题日益凸显，以数字水印技术为代表的图像信息隐藏技术可以在不改变载体介质内容的前提下隐藏和提取秘密信息，能轻易饶过常规的安全检测，被不法分子用于传播机密信息和恶意内容，对普通用户和网络安全造成威胁。为了中断利用数字水印技术进行的秘密通信，数字水印攻击技术通过对图像进行修改来破坏图像中隐藏的秘密水印信息，使接收者无法检测到水印信息的存在或无法正确提取隐藏的水印信息，从而阻止秘密通信。

目前的数字水印方法大多使用加性噪声、图像滤波和有损压缩等图像处理技术对图像隐藏信息进行破坏，在面对一些早期的水印方法取得了较好的效果，但随着深度学习技术的发展，数字水印技术的鲁棒性有了显著提升，在经过常规的图像失真处理后仍能确保隐藏信息的正常提取，这也意味着恶意用户饶过网络安全检测进行秘密通信变得更加轻而易举。

近几年来，有一些学者基于自编码器(Auto-Encoder，AE)和生成对抗网络(Generative adversarial networks , GAN)等深度学习技术提出了一些水印攻击方法，然而，现有的数字水印攻击方法仍然存在一些不足，例如CN107343119A一种数字图像隐写数据擦除方法，该专利阐述的方法并不能擦除隐藏在鲁棒水印中的秘密信息；CN115358909A一种基于SAD网络的隐匿式数字水印攻击方法及系统，该方法使用空洞卷积进行水印攻击，面对深度鲁棒水印的攻击效果尚未得知，且给图像质量造成了较大损失；CN115272039A一种基于GAN的水印攻击方法及系统、数字水印嵌入方法，该方法需要针对不同的水印方法重新训练GAN，具有特异性，无法应用于实际场景中利用未知水印方法进行的秘密通信。

发明内容

针对现有技术存在的不足，本发明提供一种基于条件扩散模型的数字水印攻击方法，考虑了实际网络场景下，恶意用户利用鲁棒水印技术进行隐蔽通信的安全问题，解决了以往数字水印攻击方法受限于水印嵌入方法未知、水印鲁棒性强的而造成的水印攻击效果差和图像质量不高等问题，提高了图像中水印信息的去除率和攻击后的图像质量。具体来说是：本发明建立了一个扩散过程，并训练一个条件去噪器，条件去噪器包括条件控制模块和噪声预测模块两部分，条件控制模块负责对水印信息进行破坏，利用掩蔽攻击和图像修补网络擦除图像的水印信息，输出条件控制图像；噪声预测模块负责预测在正向扩散过程中添加的噪声，并将条件控制图像和随机高斯噪声作为输入进行逐步去噪，最终得到高视觉质量的无水印图像。本发明将图像数据利用扩散过程对条件去噪器训练，得到训练好的条件扩散模型，待处理的图像输入到条件扩散模型，得到水印去除后的图像。本发明解决了先前数字水印攻击方法水印去除率低、图像质量不高的问题，在面对鲁棒性较高的水印算法也能对图像嵌入的水印进行去除。

为了解决上述技术问题，本发明采用的技术方案是：

一种基于条件扩散模型的数字水印攻击方法，包括以下步骤：

步骤1、建立扩散过程和条件去噪器；