买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉四川大学;郑州信大先进技术研究院申请的专利一种端到端检测对抗隐写的方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116843969B 。

龙图腾网通过国家知识产权局官网在2025-08-22发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310806319.2，技术领域涉及：G06V10/764；该发明授权一种端到端检测对抗隐写的方法是由王宏霞;胡明智设计研发完成，并于2023-07-01向国家知识产权局提交的专利申请。

本一种端到端检测对抗隐写的方法在说明书摘要公布了：本发明公开了一种端到端检测对抗隐写的方法，针对在隐写方法中加入对抗扰动导致隐写分析模型难以检测的问题，利用置信度伪影和像素伪影来检测对抗隐写图片。通过设计置信度损失函数放大对抗扰动导致的置信度伪影，获得更易检测的梯度流信息，将其输入设计的梯度子网提取特征；与此同时，将图像划分为两个子块进行上下置乱破坏对抗扰动，并通过两个图像子块的特征相似度减小对抗扰动和隐写噪声的分类差异，突出其与自然噪声的不同，从而降低对抗扰动的负面影响。本发明方法计算简单，容易实现，可以有效地提升对抗隐写的检测精度，具有实用价值。

本发明授权一种端到端检测对抗隐写的方法在权利要求书中公布了：1.一种端到端检测对抗隐写的方法，用于对加入了对抗扰动的隐写图片进行有效检测，利用置信度伪影和像素伪影，通过双流卷积神经网络对图像进行分类；所述双流卷积神经网络网络由一个梯度子网和一个图像子网组成；通过置信度损失函数获得梯度流，所获得的梯度流输入梯度子网中检测被检图像是否存在对抗性扰动；同时，被检图像被分成两个置乱块并输入到图像子网中进行特征提取，对不同图像子块得到的特征进行特征融合，两个子网输出的特征用于最终分类；包括以下主要步骤： 步骤1，将已经训练好的隐写分析模型作为被攻击模型T，输入要检测的隐写图片数据集，计算置信度损失函数Lconf： 式中n为图像类别数，vi是输出结果的one-hot编码，li是输出结果在i维的分量，e指自然对数；将置信度损失函数Lconf进行反向传播得到图像的梯度信息，经此步骤，二维的置信度伪影被放大为多维的梯度伪影； 步骤2，梯度信息输入梯度子网进行特征提取，获得128维的特征向量； 步骤3，与步骤2同时，将图像数据集输入到图像子网中进行特征提取，一张H×W的图像被划分为两个的图像子块，并对两个图像子块进行上下置乱，两个图像子块被同时输入图像子网中进行特征提取，得到两组特征向量f1,f2，对两组特征向量进行特征融合： f1 i表示特征f1的第i维，min·、max·、mean·和var·分别表示计算最小值、最大值、平均值和方差，得到的4组统计向量就是图像子网输出的特征； 步骤4，将图像子网和梯度子网输出的特征进行拼接，输入到全连接网络中进行分类，得到网络的预测值，同时计算对比损失LCTR和分类损失LCLA： LcLA＝-[y*logp+1-ylog1-p] 式中y∈{0,1}指的是图像的标签，0代表cover，1代表stego，m是阈值参数，p指的是模型输出标签y＝1的概率；设置图像子网的辅助优化目标为：cover的子图特征尽可能相似，stego的子图特征尽可能不同；然后计算总损失函数： L＝LCLA+λLCTR λ为对比损失的权衡参数；在模型的训练过程中，通过最小化总损失，进行反向传播，对图像子网、梯度子网和全连接网络的参数进行更新，优化模型的检测效果； 步骤5，在达到设置的训练次数上限时，停止训练，得到针对对抗隐写的检测模型M。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人四川大学;郑州信大先进技术研究院，其通讯地址为：610065 四川省成都市一环路南一段24号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。