|
|
钻瓜专利网为您找到相关结果 70个，建议您 升级VIP下载更多相关专利
- [发明专利]一种基于GAN的载体图像合成隐写方法-CN202010820111.2有效
-
王让定;王杰;严迪群;董理
-
石坚;项宇
-
2020-08-14
-
2023-09-26
-
G06F21/60
- 本发明涉及一种基于GAN的载体图像合成隐写方法，包括：将数据集中的每幅图像均裁剪成大小相同的图像，并组成真实图像数据集；构建生成网络G、判别网络D、取证网络F及提取网络E，并初始化生成网络G、判别网络D和提取网络E中的参数，取证网络F中的参数为预设值；使用批训练方式对初始化的生成网络G、判别网络D和提取网络E进行训练，得到训练完成的生成网络G、判别网络D和提取网络E；将待嵌入的秘密信息和预设的密钥输入到训练完成的生成网络G中，得到合成载体图像；将合成载体图像和上述预设的密钥输入到训练完成的提取网络E中，则提取出秘密信息。该方法中增强了算法的安全性，且提高了合成载体图像的自然度。
- 一种基于gan载体图像合成方法
- [发明专利]一种音频可逆隐写方法和秘密信息提取方法-CN202010290729.2有效
-
王让定;余恒;严迪群;张雪垣
-
宁波大学
-
2020-04-14
-
2023-09-26
-
G10L19/018
- 本发明涉及一种音频可逆隐写方法，包括：将音频载体划分成固定长度的子块，并对每个子块中的采样值进行升序排列；然后计算每个升序子块的复杂度，根据判断复杂度是否大于预设的阈值v，如是，则是该子块继续维持原值；如否，则确定出实际复杂等级，并计算得到升序子块中的最优预测采样值；最后，根据最优预测采样值计算出预测误差，接着继续判断该升序子块复杂度是否大于#imgabs0#如是，则预测误差值为D的采样值进行嵌密，并对大于D的采样值进行移位操作，如否，则对预测误差值为0和1的采样值进行嵌密，并对小于0或大于1的采样值进行移位。还公开了一种秘密信息提取方法。该方法在获得高保真的嵌密效果的同时提高了嵌密容量，且隐写效果更佳。
- 一种音频可逆方法秘密信息提取
- [发明专利]一种基于对抗样本攻击的数字水印方法-CN202310767320.9在审
-
董理;季潇剑;王让定;严迪群
-
宁波大学
-
2023-06-27
-
2023-09-19
-
G06T1/00
- 本发明涉及一种基于对抗样本攻击的数字水印方法，包括两个阶段：第一阶段：将水印信息m嵌入至载体图像x而得到水印图像#imgabs0#具体步骤为：选取网络模型，将载体图像x输入到网络模型中，得到y；将水印信息m加入到y中得到攻击目标；将迭代次数t的初始值设为0，计算得到第t+1次迭代生成的水印图像#imgabs1#并判断t+1的值是否等于预设值T，如是，则将生成的水印图像#imgabs2#作为最终得到的水印图像#imgabs3#如否，则将t值加1，并继续计算第t+1次迭代生成的水印图像；第二阶段：对水印图像进行解码，得到水印信息；具体为：将水印图像#imgabs4#输入到网络模型中，即得到y’，并从y’中提取出嵌入的水印信息m。该方法提高水印的可信度与权威性。
- 一种基于对抗样本攻击数字水印方法
- [发明专利]一种防御基于梯度的对抗攻击的方法-CN202211146344.4有效
-
董理;季潇剑;王让定;严迪群
-
宁波大学
-
2022-09-20
-
2023-09-15
-
G06V10/82
- 本发明涉及一种防御基于梯度的对抗攻击的方法，包括：构建神经网络模型并对其进行训练，得到训练完成后的神经网络模型；在训练完成后的神经网络模型的第一层之前增加处理层，即得到防御模型；选取任一个测试样本x作为防御模型的输入，得到测试样本x经过防御模型后的输出；上述防御模型满足如下两个条件：条件一：x＝g(x)；条件二：#imgabs0#最后对测试样本x进行白盒对抗攻击，并将白盒对抗攻击后生成的测试样本x′输入到防御模型中，即得到防御后的输出。该方法能适合任何神经网络模型，无需额外训练，并能实现在不影响模型精度和推理时间复杂度的情况下，防御来自白盒场景下的对抗攻击。
- 一种防御基于梯度对抗攻击方法
- [发明专利]基于GAN的语音对抗样本生成方法-CN202010249328.2有效
-
王让定;王冬华;董理;严迪群
-
宁波大学
-
2020-04-01
-
2023-08-11
-
G10L25/24
- 本发明涉及一种基于GAN的语音对抗样本生成方法，其特征在于：所述方法包括，对原始语音数据样本x进行预处理；将预处理后的原始语音数据样本x输入生成器G，得到对抗扰动G(x)，使用公式(1)构建对抗样本，公式(1)为xadv＝x+G(x)；将对抗样本xadv输入到判别器D以及经过梅尔倒谱系数MFCC特征提取器后输入到目标网络f中；计算目标网络的损失lf、判别器的对抗损失lGAN、铰链损失lhinge、均方差损失l2以及判别器的损失lD，由此得到生成器G训练时的损失函数l；将S4获得的损失函数l通过梯度反传更新生成器和判别器的参数，并通过公式(10)得到最佳生成器，公式(10)为将原始样本x加载到由S5得到的最佳生成器中，构建得到相应的对抗样本。本发明能有效生成最小扰动，且能确保语音质量。
- 基于gan语音对抗样本生成方法
- [发明专利]一种抵抗JPEG压缩的对抗样本的生成方法-CN202210463842.5有效
-
董理;鲁宁;严迪群;王让定
-
宁波大学
-
2022-04-28
-
2023-08-08
-
G06T7/90
- 本发明公开了一种抵抗JPEG压缩的对抗样本的生成方法，其利用设计好的空间形变网络对图像形变，使得生成的对抗样本在公共信道传播时能抵抗可能的压缩；空间形变网络由定位网络和取样模块组成，定位网络由多个卷积层和池化层等组成，通过对图像进行对应空间坐标值的计算得到形变图像；将训练集中的图像块放入空间形变网络进行训练，得到形变图像块，然后将得到的形变图像块进行提取、拼接得到与原始样本相同大小的对抗样本；在测试阶段，通过对得到的对抗样本进行图像质量的评估来衡量对抗样本经过JPEG压缩后的对抗性是否下降；优点是其生成的对抗样本在公共信道上进行传播时能更好地抵抗JPEG压缩，进而保证了经过传播后的对抗样本依然具有很好的攻击性。
- 一种抵抗jpeg压缩对抗样本生成方法
- [发明专利]一种语音后门攻击方法及计算机可读存储介质-CN202310161820.8在审
-
严迪群;叶哲
-
宁波大学
-
2023-02-21
-
2023-06-13
-
G10L25/48
- 本发明涉及一种语音后门攻击方法及计算机可读存储介质，语音后门攻击方法包括：步骤1、将多段定长的语音片段组成干净数据集；步骤2、在干净数据集中选择出部分干净样本，作为投毒样本，生成相对投毒样本无新增噪声数据的触发器，并将触发器混入到投毒样本中，得到后门样本，同时将后门样本的真实标签修改为指定的目标标签；步骤3、将后门样本和干净数据集中除投毒样本以外的其他干净样本共同组成训练集；步骤4、构建目标模型，并使用训练集对构建的目标模型进行训练，得到训练完成后的目标模型，该训练完成后的目标模型即为后门攻击后的目标模型。本发明的优点在于：不会被使用者起疑，起到攻击效果，有很强的隐蔽性。
- 一种语音后门攻击方法计算机可读存储介质
- [发明专利]一种回放语音检测方法-CN201810745299.1有效
-
王让定;林朗;严迪群;胡君
-
宁波大学
-
2018-07-09
-
2022-12-27
-
G10L17/00
- 本发明公开了一种回放语音检测方法，其在训练阶段，先获取语音数据库中的每个语音样本的第一变异系数向量和归一化第一倒谱特征矩阵、第二变异系数向量和归一化第二倒谱特征矩阵，作为四种特征；然后将所有正样本的四种特征分别输入到GMM模型中进行训练，得到四个正样本特征模型，同样获取四个负样本特征模型；在测试阶段，以相同方式获取待检测的语音的四种特征，将每种特征分别输入到对应的正样本特征模型和负样本特征模型中，获得四个似然比得分；根据四个似然比得分得到最终得分，通过比较最终得分与判定阈值，判定是否为回放语音；优点是其检测的等错误概率较低、鲁棒性较强、计算复杂度相对较低，且不仅仅局限于文本相关的声纹认证系统。
- 一种回放语音检测方法
- [发明专利]一种回放语音检测方法-CN202010479392.X有效
-
王让定;胡君;严迪群
-
宁波大学
-
2020-05-29
-
2022-12-27
-
G10L25/51
- 本发明公开了一种回放语音检测方法，其特征在于：包括如下步骤：1)训练阶段：1.1)输入训练语音样本，所述训练语音样本包括原始语音和回放语音；1.2)提取训练语音样本的倒谱特征；1.3)根据提取的特征训练残差网络模型，得到网络模型参数；2)测试阶段：2.1)输入测试语音样本；2.2)提取测试语音样本的倒谱特征；2.3)利用步骤1)训练得到的残差网络对提取的测试语音样本的特征进行识别打分；2.4)判断测试语音样本是否为回放语音。与现有技术相比，本发明的优点在于：基于深度学习的方式，将语音信号的倒谱特征与深度残差网络相结合，有效地提升系统的检测性能，并使得算法有较好的鲁棒性。
- 一种回放语音检测方法
|
