Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 长安大学赵娟获国家专利权

长安大学赵娟获国家专利权

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!

龙图腾网获悉长安大学申请的专利基于模型指纹的半脆弱水印篡改定位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:CN120671200B

龙图腾网通过国家知识产权局官网在2026-05-08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:202510833195.6,技术领域涉及:G06F21/64;该发明授权基于模型指纹的半脆弱水印篡改定位方法是由赵娟;孙裕道;宋翔宇;孙士杰;李伟;裴莉莉;杨志海设计研发完成,并于2025-06-20向国家知识产权局提交的专利申请。

基于模型指纹的半脆弱水印篡改定位方法在说明书摘要公布了:本发明公开了基于模型指纹的半脆弱水印篡改定位方法,包括:初始化半脆弱样本;生成目标标签;标准图像选取;设计损失函数;更新半脆弱样本;验证与迭代;模型参数提取与分组;压缩每组模型权重并生成模型指纹;在生成的半脆弱样本中嵌入模型指纹;初始化计数器;循环验证每个半脆弱样本;比较预测结果与目标标签;计算认证准确度并判断模型是否未授权;可疑模型参数提取与分组;压缩每组可疑模型权重并生成可疑特征向量;提取半脆弱样本中嵌入的模型指纹;二进制序列转16进制;比较特征序列并确定篡改位置。本发明的方法提高了模型内容认证的准确性、实现了精准的篡改定位、保持了模型性能不受影响、增强了模型安全性、促进了技术可持续发展。

本发明授权基于模型指纹的半脆弱水印篡改定位方法在权利要求书中公布了:1.基于模型指纹的半脆弱水印篡改定位方法,其特征在于,包括如下步骤: 步骤1:初始化半脆弱样本 从标准样本集中随机选择一部分样本,并将这些样本初始化为半脆弱样本; 步骤2:生成目标标签 对初始化后的半脆弱样本,通过密钥随机分配与其原标签不同的目标标签; 步骤3:标准图像选取 根据生成的目标标签,从标准样本集中随机选择对应标签的标准图像; 步骤4:设计损失函数 确保模型输出与目标标签一致和提高半脆弱样本的可转移性; 步骤5:更新半脆弱样本 通过梯度下降法最小化总损失函数,更新半脆弱样本,使其既符合目标标签,又具备高可转移性; 步骤6:验证与迭代 验证更新后的样本是否满足条件,若满足条件,预测结果与目标标签一致且相似度小于阈值,若不满足,则继续迭代; 步骤7:模型参数提取与分组 提取深度神经网络模型的权重信息,并按顺序分组; 步骤8:压缩每组模型权重并生成模型指纹 压缩每组权重序列,并生成特征向量,最后转换为二进制序列生成模型指纹; 步骤9:在生成的半脆弱样本中嵌入模型指纹 对半脆弱样本进行离散小波变换,在频域系数上嵌入模型指纹,并通过逆变换生成最终样本; 步骤10:初始化计数器 将计数器初始化为0,用于记录模型输出与预期标签一致的样本数量; 步骤11:循环验证每个半脆弱样本 使用可疑模型对半脆弱样本进行预测,得到输出标签; 步骤12:比较预测结果与目标标签 比较模型输出标签与半脆弱样本的预期标签,若一致则计数器加1; 步骤13:计算认证准确度并判断模型是否未授权 根据计数器的值计算认证准确度,并与预设阈值比较,判断模型是否被恶意篡改; 步骤14:可疑模型参数提取与分组 提取可疑模型的参数,并按与原始模型相同的方式分组; 步骤15:压缩每组可疑模型权重并生成可疑特征向量 压缩每组可疑模型权重,并生成特征向量,连接成可疑特征向量; 步骤16:提取半脆弱样本中嵌入的模型指纹 每个半脆弱样本中提取嵌入的模型指纹,并应用多数原则选择出现次数最多的序列作为最终模型指纹; 步骤17:二进制序列转16进制 将提取的模型指纹转换为十六进制特征序列; 步骤18:比较特征序列并确定篡改位置 比较可疑模型特征序列与原始模型特征序列,记录不匹配位置,计算索引并确定篡改的大致区域; 所述步骤4中,确保模型输出与目标标签一致部分的损失L1为 , 其中,τ表示置信间隔参数,τ越大模型预测半脆弱样本X为标签T的置信度越大,反之,τ越小模型预测半脆弱样本X为标签T的置信度越小;深度神经网络模型记作M; 还包括半脆弱样本X的logits向量和标准图像I的logits向量之间的差异,其损失L2的数学表达为 , 其中,Sx和SI分别是模型M对半脆弱样本X和标准图像I的logits向量; 所述步骤5中,总损失Lt为 , 其中α0是调整两个损失分量比例的权重因子; 接着,通过梯度下降法最小化总损失Lt更新半脆弱样本,其数学表达为 , 其中,lr是学习率,是损失函数关于X的梯度的方向。

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长安大学,其通讯地址为:710064 陕西省西安市雁塔区南二环路中段;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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。