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！

龙图腾网获悉齐鲁工业大学(山东省科学院)申请的专利一种基于人脸身份水印与混合注意力模块的主动防御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：CN120337309B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202510819520.3，技术领域涉及：G06F21/64；该发明授权一种基于人脸身份水印与混合注意力模块的主动防御方法是由李健;韩卫;马宾;王春鹏;李晓龙设计研发完成，并于2025-06-19向国家知识产权局提交的专利申请。

本一种基于人脸身份水印与混合注意力模块的主动防御方法在说明书摘要公布了：本发明公开一种基于人脸身份水印与混合注意力模块的主动防御方法，涉及图像处理技术领域，其特征在于，包括以下步骤：S1：人脸身份码的提取；S2：人脸身份码的生成；S3：混合注意力编码器模块；S4：损失函数设计；S5：人脸特征相关性分析。本发明要解决的技术问题是提供一种基于人脸身份水印与混合注意力模块的主动防御方法，实现对人脸篡改的检测和溯源功能，极大的提升了模型的实用性和功能性。

本发明授权一种基于人脸身份水印与混合注意力模块的主动防御方法在权利要求书中公布了：1.一种基于人脸身份水印与混合注意力模块的主动防御方法，其特征在于，包括以下步骤： S1：人脸身份码的提取；人脸身份水印生成的首要环节，是从输入图像的人脸区域中精准提取稳定的人脸特征，采用基于深度学习的人脸检测与对齐算法中的视网膜人脸检测算法对输入图像进行人脸检测和定位； S2：人脸身份码的生成；采用平均哈希算法将提取的人脸特征向量转化为一个指定长度的二进制哈希值； S3：混合注意力编码器模块；所述S3的具体步骤为： S31：多尺度身份水印预处理模块； 在身份码水印变换模块中，长度为L的二进制水印信息经过处理后，转换为与图像张量维度一致的格式；通过多尺度上采样后，将不同尺度上采样后的特征图进行加权融合； S32：混合注意力嵌入模块； 该模块接收输入的原始图像和经过多尺度预处理后的水印消息，构造一种类曼巴的线性注意力机制与U型网络结合的视觉类曼巴线性注意力U型网络来专门处理水印嵌入工作，模型主要由三部分组成：用于初始特征提取的基于通道注意力的特征初始处理模块、线性注意力模块及多尺度空洞下采样卷积块； S321：基于通道注意力的特征初始处理模块SE-Stem； 构造一个双分支结构单独处理输入图像与水印，每一分支通过卷积操作与通道注意力机制分别对图像与水印进行处理，逐步降低其空间维度并增加通道维度并保留重要信息，最后将两个特征信息拼接为后续操作做准备； S322：线性注意力模块； 将源图像与身份水印经过基于通道注意力的特征初始处理模块初步处理后的融合特征输入类曼巴线性注意力块中做进一步处理； 将原来的类曼巴线性注意力模块中的两个线性块替换为行向特征协同模块和列向特征协同模块以组成新的MLLA结构线性注意力模块； 行向特征协同模块由一个特征提取卷积层，水平位置编码层及线性层组成，输入其中的特征向量首先通过一个卷积层提取行局部特征： S323：多尺度空洞下采样卷积块； 通过结合空洞卷积和深度可分离卷积，能够在不显著降低分辨率的情况下扩大感受野，空洞卷积通过在卷积核中使用不同扩张率来分别捕获局部、中等及全局三种不同尺度下的特征，同时保留图像的细节，采用动态调整扩张率的思想，引入可学习的参数来动态决定每个卷积层的最佳扩张率，参数根据输入图像的特征动态调整，从而在不同的尺度上捕捉到更多的上下文信息，特征分析层分析输入特征的统计信息； S4：损失函数设计；所述S4的具体步骤为： 损失函数由三部分组成：加权交叉熵损失、多尺度图像像素损失及自适应消息损失； S5：人脸特征相关性分析。

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齐鲁工业大学(山东省科学院)，其通讯地址为：250300 山东省济南市长清区大学路3501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”。