首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于特征偏移水印的数据所有权保护方法及系统 

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!

申请/专利权人:西北大学

摘要:本发明公开了一种基于特征偏移水印的数据所有权保护方法及系统,方法包括:步骤1,得到水印样本:步骤11,对原始样本添加随机扰动得到扰动样本x′;步骤12,求得辅助变量e的表达式:步骤13,构造无约束的单目标优化问题;步骤14,采用梯度下降法对e进行迭代更新,得到最优的e;步骤2,取证流程:步骤21,随机抽取样本构成样本对检测集;步骤22,使用样本对检测集查询嫌疑模型,得到相应的预测结果;步骤23,根据下式计算得到抽样集合对应的分散度指标向量;步骤24,计算检验统计量T;步骤25,设定两个假设进行假设检验;步骤26,根据计算出的T值和自由度计算p值。本发明不仅能够有效追踪数据使用情况,还能在不知道模型具体训练细节的情况下进行验证,为数据所有权提供了一种新的保护机制,相比其他方法具有较高的灵敏性和隐蔽性。

主权项:1.一种基于特征偏移水印的数据所有权保护方法,其特征在于,具体包括如下步骤:步骤1,得到水印样本,包括如下子步骤:步骤11,对原始样本添加随机扰动得到扰动样本x′,具体是对原始样本的每个像素点分别添加一个随机的值,该值的范围为[-ε,ε],ε是保持水印不可见的约束预算;步骤12,利用下式,根据x′求得辅助变量e的表达式: xmin=max0,x-ε,xmax=min1,x+ε其中,tanhe表示双曲正切函数;x为原始样本;步骤13,构造无约束的单目标优化问题: 其中,g·是正常的特征提取器,是潜在空间中的偏移向量;e为辅助变量,也是该优化问题中唯一的自变量;步骤14,将步骤13构造的无约束的单目标优化问题作为损失函数,采用梯度下降法对e进行迭代更新,得到最优的e,从而将其代入步骤12中辅助变量e的表达式得到最优的扰动样本x′,将其作为水印样本;步骤2,取证流程,包括如下子步骤:步骤21,从数据所有者持有的样本中,随机抽取m个样本构成样本对检测集: 其中,每个样本对由原始样本xi和对应的水印样本组成;这里,表示原始样本xi经过水印w处理后的版本,gt表示受保护样本所属的类别;Xgt表示数据所有者持有的样本;步骤22,使用样本对检测集查询嫌疑模型,得到相应的预测结果;步骤23,根据下式计算得到抽样集合对应的分散度指标向量I:步骤24,计算检验统计量T,计算公式为: 其中,表示分散度指标的平均值;τ为一个阈值,用于区分水印存在与否;s表示分散度指标的标准偏差;步骤25,设定两个假设进行假设检验:零假设H0:I≥τ,表示模型预测中不存在水印的影响;备择假设H1:Iτ,表示模型预测中存在水印的影响;步骤26,根据计算出的T值和自由度计算p值;如果pα,拒绝零假设,接受对立假设,认为嫌疑模型使用了水印样本进行训练,否则认为未使用;α表示显著性水平。

全文数据:

权利要求:

百度查询: 西北大学 基于特征偏移水印的数据所有权保护方法及系统

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。