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鲁棒水印优化的定制化生成模型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：CN121544447B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202610063535.6，技术领域涉及：G06T1/00；该发明授权一种基于鲁棒水印优化的定制化生成模型版权保护方法是由熊礼治;冯建国;李俊;蔡鑫阳;杨祺;袁一诺设计研发完成，并于2026-01-19向国家知识产权局提交的专利申请。

本一种基于鲁棒水印优化的定制化生成模型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鲁棒水印优化的定制化生成模型版权保护方法，包括：将随机生成的初始水印序列嵌入至基础生成模型参数中，得到初始带水印生成模型；将初始模型作为代理模型权重，构建代理定制模型模拟攻击者定制化训练过程；利用代理模型在定制化数据集上模拟微调训练；基于梯度构建水印鲁棒性优化目标，引入Fisher信息矩阵对水印更新梯度进行加权约束，使水印参数朝鲁棒水印子空间迭代优化；在多轮代理训练与水印更新交替后，获得优化后的鲁棒水印并重新嵌入基础模型中对外发布，用于下游任意定制化生成任务；在验证阶段，将待检测图像输入预训练提取网络，提取水印信息并与原始水印匹配，完成模型验证与版权取证。

本发明授权一种基于鲁棒水印优化的定制化生成模型版权保护方法在权利要求书中公布了：1.一种基于鲁棒水印优化的定制化生成模型版权保护方法，其特征在于，包括如下步骤： 步骤1、将待嵌入水印的基础生成模型作为初始模型，在水印嵌入阶段将随机生成的初始水印序列嵌入至生成模型参数中，得到初始带水印生成模型； 步骤2、将初始带水印生成模型作为代理模型的初始权重，构建用于模拟攻击者定制化训练过程的代理定制模型； 步骤3、利用代理定制模型在定制化数据集上进行模拟调整训练，获取模型在定制化训练过程中的梯度信息； 步骤3具体为：在定制化数据集上对代理定制模型进行模拟微调训练，所述定制化数据集包括目标主体概念的参考图像与其文本描述；在每一轮训练中，依据扩散模型噪声预测机制构造定制化训练损失，将基础扩散损失记为： ； 其中，表示输入的原始图像，表示噪声预测器，表示加噪后的图像，表示额外输入的图像描述条件，表示加噪强度，表示所加噪声的真实值； 引入定制化约束项得到： ； 其中，表示先验损失超参数，用于缓解过度拟合问题，表示和定制化图像一类的图像数据，表示对应图像的描述； 对关于模型可训练参数求梯度，记录每一步或每若干步的微调作为定制化训练过程中的梯度信息；梯度信息用于刻画定制化微调对水印相关参数的破坏方向，为后续的水印鲁棒性优化提供依据； 步骤4、基于所述梯度信息构建水印鲁棒性优化目标，通过引入Fisher信息矩阵对水印更新梯度进行加权约束，使水印参数朝鲁棒水印子空间进行迭代优化； 步骤4具体为：基于步骤3获得的梯度信息构建水印鲁棒性优化目标，所述优化目标用于最大化水印在经历定制化训练后的可提取性，并使水印更新避开对定制化训练高度敏感的方向；总的优化目标为： ； 其中，表示水印损失的超参数，表示水印的提取损失； 近似计算Fisher信息矩阵以表征参数敏感度： ； 其中，表示对角矩阵形式，表示训练过程中的梯度信息，表示数学期望；并利用对水印更新梯度进行加权约束；以当前迭代水印为，构造等效更新方向函数，并按步长执行多步更新： ； 其中，表示步长大小，来约束每一次更新的范围，表示信号函数； 通过引入Fisher的迭代优化，使水印参数逐步收敛至鲁棒水印子空间，从而提升其在不同定制化微调下的保持能力； 步骤5、在多轮代理训练与水印更新交替进行后，获得优化后的鲁棒水印并将其重新嵌入基础生成模型中，并对外发布，用于下游任意定制化生成任务； 步骤6、在生成内容的验证阶段，将待检测图像输入预先训练好的水印提取网络中，提取对应水印信息，并与原始水印进行匹配，从而完成模型验证与版权取证。

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：210032 江苏省南京市江北新区宁六路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。