龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
摘要：本发明公开一种基于扩展隐空间和对比学习的生成式隐写方法，属于信息安全领域，利用扩展隐空间和对比学习实现秘密信息的隐藏和提取，通过特征金字塔编码器将真实参考图像转换到隐空间中，以扩展图片载体的隐写容量，采用主成分分析PCA在不同层级的隐向量中寻找结构属性的分布区间，以确定信息嵌入的最佳区域；最后利用预训练的StyleGAN2生成器进行载密图像的生成，同时，引入CLIP的变体对比学习机制，将图像与隐向量对齐训练后冻结为损失模块，以提高信息提取的准确率。本发明适用于大数据时代中日益突出的多媒体通信和用户隐私安全问题，实现秘密信息的隐藏和提取。
主权项：1.一种基于扩展隐空间和对比学习的生成式隐写方法，其特征在于，包括隐藏信息阶段和提取信息阶段；隐藏信息阶段的具体过程如下：步骤1、将参考图像输入基于三层特征金字塔网络FPN的编码器，通过编码器生成一系列风格向量，此处将风格向量作为初始隐向量；步骤2、对初始隐向量进行PCA特征分析；同时将采用格雷码的编码方式将二进制秘密信息M进行纠错编码，得到编码信息；然后根据PCA特征分析确定的嵌入位置，通过映射函数f将编码信息嵌入初始隐向量中随机所选定的几层中，得到随机采样向量；步骤3、将初始隐向量与步骤2所得随机采样向量进行混合，将混合后向量逐层输入到预训练好的StyleGAN2生成器中，利用预训练权重生成含密图像；提取信息阶段的具体过程如下：将经过有损信道传输的含密图像输入解码器，解码器和编码器共享权重参数，得到风格向量后通过映射函数f解码得到二进制秘密信息；同时使用对比学习损失函数来对齐参考图像和对应隐向量。
全文数据：
权利要求：
百度查询： 南京信息工程大学 基于扩展隐空间和对比学习的生成式隐写方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号