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！

龙图腾网获悉西南石油大学申请的专利一种基于对抗性深度学习的图片版权保护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：CN120510014B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202510998570.2，技术领域涉及：G06T1/00；该发明授权一种基于对抗性深度学习的图片版权保护方法是由笪海;何山设计研发完成，并于2025-07-21向国家知识产权局提交的专利申请。

本一种基于对抗性深度学习的图片版权保护方法在说明书摘要公布了：本发明公开了一种基于对抗性深度学习的图片版权保护方法，涉及图片处理技术领域。包括以下步骤：对待保护图片进行文本描述；后将文本描述和待处理图片进行处理得到文本特征向量和图像特征向量；将文本特征向量和图像特征向量输入扩散模型中，并计算损失值；在待保护图片中添加随机噪声，结合反向传播算法和损失值生成扰动，并将该扰动叠加至待保护图片中，得到迭代引导图；将迭代引导图进行处理得到引导图特征向量，计算图像特征向量和引导图特征向量的损失函数和两者在语义空间的损失函数，以损失函数的距离为目标，通过梯度反相传播和扰动叠加对图像进行调整即得。本发明对图片局部细节的破坏更加严重，对图片的保护更加有效。

本发明授权一种基于对抗性深度学习的图片版权保护方法在权利要求书中公布了：1.一种基于对抗性深度学习的图片版权保护方法，其特征在于，包括以下步骤： S1、对待保护图片进行文本描述； S2、对文本描述进行深度语义解析，后将其编码为文本特征向量； S3、将待保护图片输入变分自编码器中解析图像内容，输出图像特征向量； S4、将文本特征向量和图像特征向量输入扩散模型中，并计算损失值；包括以下分步骤： S41、基于马尔科夫链和隐式扩散模型，对图像特征向量按照公式添加高斯噪声，得到加入噪声的图像特征向量； S42、将文本特征向量和加入了噪声的图像特征向量输入扩散模型的U‑Net网络，得到预测噪声； S43、将预测噪声代入扩散模型的损失函数中，得到损失值； S5、在待保护图片中添加随机噪声，结合反向传播算法和损失值生成扰动，并将该扰动叠加至待保护图片中；重复多次本步骤，得到迭代引导图； S6、将迭代引导图输入变分自编码器中并输出迭代引导图特征向量，计算图像特征向量和迭代引导图特征向量的损失函数和两者在语义空间的损失函数，以两个损失函数的距离为目标，通过梯度反相传播和扰动叠加对图像进行调整，最终得到具有版权保护能力的图片。

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西南石油大学，其通讯地址为：610500 四川省成都市新都区新都大道8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”。