[发明专利]基于卷积神经网络的智能模型水印嵌入和提取方法及系统有效
| 申请号： | 201911039838.0 | 申请日： | 2019-10-29 |
| 公开（公告）号： | CN110766598B | 公开（公告）日： | 2023-04-07 |
| 发明（设计）人： | 张盈谦;贾贻然;牛琼;林敏涛 | 申请（专利权）人： | 厦门大学嘉庚学院 |
| 主分类号： | G06T1/00 | 分类号： | G06T1/00;G06N3/0464;G06N3/08;G06V10/764;G06V10/82;G06V10/774;G06Q50/18 |
| 代理公司： | 福州元创专利商标代理有限公司 35100 | 代理人： | 丘鸿超;蔡学俊 |
| 地址： | 363105 *** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： |
本发明涉及一种基于卷积神经网络的智能模型水印嵌入和提取方法及系统，该方法的水印嵌入过程为：建立包含公开数据集与非公开数据集的数据集，公开数据集中数据只包括关键特征，非公开数据集中数据包括关键特征和隐含非关键特征；对数据集进行数据的特征提取；对基于卷积神经网络的智能模型进行训练，在模型训练时，对隐含非关键特征的决策边界进行过拟合训练，从而将水印嵌入到智能模型中；水印提取过程为：以非公开数据集为密钥，以密钥为输入数据通过服务器上的 |
||
| 搜索关键词： | 基于 卷积 神经网络 智能 模型 水印 嵌入 提取 方法 系统 | ||
【主权项】：
1.一种基于卷积神经网络的智能模型水印嵌入和提取方法，其特征在于，包括水印嵌入过程和水印提取过程，所述水印嵌入过程为：/n1)建立一个包含公开数据集与非公开数据集的数据集，其中公开数据集中的数据只包括关键特征，非公开数据集中的数据包括关键特征和隐含的非关键特征；/n2)对数据集进行数据的特征提取，包括关键特征和隐含非关键特征；/n3)基于步骤2)得到的关键特征和隐含非关键特征，将N分类问题转化为M分类问题，对基于卷积神经网络的智能模型进行训练，在模型训练时，对隐含非关键特征的决策边界进行过拟合训练，在N分类结果的基础上得到细化分类的M分类结果的智能模型，从而将隐含非关键特征作为水印嵌入到智能模型中；/n所述水印提取过程为：服务器提供一个可以调用正版智能模型的API接口，在远程计算机以非公开数据集为密钥，以密钥为输入数据通过API接口调用正版智能模型，将返回一组查询结果，将得到的查询结果与待测智能模型预测的分类结果进行比对，根据预测的分类结果与查询结果的误差是否在容错范围内，识别待测智能模型的所有权，实现水印的提取。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于厦门大学嘉庚学院，未经厦门大学嘉庚学院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201911039838.0/，转载请声明来源钻瓜专利网。
