基于水印神经网络的可溯源DNN模型保护方法

作     者：刘雅蕾 和红杰 陈帆 刘卓华 LIU Yalei;HE Hongjie;CHEN Fan;LIU Zhuohua

作者机构：西南交通大学计算机与人工智能学院四川成都611756 西南交通大学信息科学与技术学院四川成都611756 

基　　金：国家自然科学基金(No.U1936113 No.61872303)资助 

出 版 物：《应用科学学报》 (Journal of Applied Sciences)

年 卷 期：2023年第41卷第2期

页      码：183-196页

摘      要：针对深度神经网络(deep neural networks,DNN)模型安全与版权认证的问题,提出了一种多用户溯源的水印神经网络模型,通过密钥驱动生成水印图像,将其不可见地嵌入待保护目标模型的输出图像中,实现DNN模型的知识产权保护和版权追踪。在待保护的DNN模型中添加一种编解码器网络实现水印的嵌入,并使用双流篡改检测网络作为判别器,解决了模型的输出图像中可能出现的水印残留问题,提升了水印嵌入过程的不可感知性,减少了对DNN模型性能的影响,增强了安全性。此外,通过本文设计的双阶段训练法针对不同用户分发不同的含水印模型,当发生版权纠纷时,使用另一个残差网络可以从输出图像中提取水印图像。实验证明,本方法分发含水印的模型效率较高,并且即使对多个用户分发了嵌入相似水印图像的DNN模型,水印神经网络依然可以成功对模型进行溯源。

主 题 词：深度神经网络 数字水印 版权保护 水印神经网络 图像隐写 

学科分类：07[理学] 0708[理学-地球物理学类] 

D　O　I：10.3969/j.issn.0255-8297.2023.02.001

馆 藏 号：203120975...