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！

龙图腾网获悉南京信息工程大学申请的专利一种基于特征比较学习的自监督无损零水印算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：CN115908094B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202211438976.8，技术领域涉及：G06T1/00；该发明授权一种基于特征比较学习的自监督无损零水印算法是由戴畅宇;王保卫设计研发完成，并于2022-11-17向国家知识产权局提交的专利申请。

本一种基于特征比较学习的自监督无损零水印算法在说明书摘要公布了：本发明公开一种基于特征比较学习的自监督无损零水印算法，属于信息安全领域；基于特征比较学习的自监督无损零水印算法包括：首先利用基准特征提取器将原始图像的特征提取出来，随后原始图像经过噪声层，得到含噪图像；之后再将含噪图像输入进可学习的特征提取器，可学习的特征提取器通过比较基准特征提取器提取出的特征进行学习，达到鲁棒效果；最后通过二值化与版权信息进行异或操作，得到最终的零水印；能够使得图像被各种噪声攻击之后依旧可以提取出特征并且还原出原始的版权信息，达到版权保护的目的。

本发明授权一种基于特征比较学习的自监督无损零水印算法在权利要求书中公布了：1.一种基于特征比较学习的自监督无损零水印算法，其特征在于，包括以下步骤： S1，构建可学习模型；模型包括：一个基准特征提取器、一个噪声层、一个可学习的特征提取器、一个特征比对器、一个零水印生成置乱编码器、一个零水印解码器； S2，基准特征提取器接收形状为的主机图像，并提取出主机图像的特征； S3，噪声层接收主机图像，将主机图像添加噪声，并且输出带有噪声的图像； S4，可学习的特征提取器接收，通过比较基准特征提取器提取出的特征，提取出带有噪声图片的图像特征； S5，零水印置乱编码器接收和一个长度为或者形状大小为的二进制密文或图片，生成零水印； S6，零水印解码器接受，根据密钥key还原出之前输入进去的二进制密文或秘密图像，来确定的版权归属； S3中，输出带有噪声的图像的步骤包括： S31，根据噪声层中的无噪声层、Jpeg层以及裁剪层的权重，来确定主机图像收到各种攻击的概率； S32，将受到攻击的图像输出给可学习的特征提取器； 提取所述带有噪声图片的图像特征的具体步骤为： S41，训练，使和输出的结果尽可能的一致，训练模型为： S42，将输入的图片进行大小的重塑，并输入进网络； S43，重塑后的图片经过大小为的卷积后，并输出向量； S44，将S43输出向量的经过3层大小为的beneck层，beneck层包含1×1的卷积、3×3的深度可分离卷积和激活函数Relu，并输出向量； S45，将S44输出的向量经过3层大小为的beneck层，beneck层包含1×1的卷积、3×3的深度可分离卷积、SE层和激活函数Relu，并输出向量； S46，将S45输出的向量经过4层大小为的beneck层，beneck层包含1×1的卷积、3×3的深度可分离卷积和激活函数h-swish，并输出向量片； S47，将S46输出的向量经过2层大小为的beneck层，beneck层包含1×1的卷积、3×3的深度可分离卷积、SE层和激活函数h-swish，并输出向量； S48，将S47输出的向量经过3层大小为的beneck层，beneck层包含1×1的卷积、3×3的深度可分离卷积、SE层和激活函数h-swish，并输出向量； S49，将S48输出的向量经过大小为的卷积，全局平均池化层后，输出向量； S410，最后将S49输出的向量经过大小为的卷积后得到。

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南京信息工程大学，其通讯地址为：210044 江苏省南京市浦口区宁六路219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”。

以上内容由龙图腾AI智能生成。