[发明专利]一种基于物体局部生成对抗网络的大数据权属保护方法

权利要求书

1.一种基于物体局部生成对抗网络的大数据权属保护方法，其特征是：具体步骤如下：

步骤1，预处理；输入原始载体图像，原始载体图像在预处理网络模块内经过四层的卷积网络，依次得到四组不同尺寸的特征图；

步骤2，图像生成；输入随机噪声z和生成条件c进入生成网络模块作为生成条件，经过尺度变化与预处理网络模块输出的最后一层特征图的尺度保持一致，并一起输入背景重建模块，分别结合对应尺寸的特征图依次经过四个背景重建模块，生成网络模块输出新生成的载体图像和掩膜，所述的载体图像为以原始载体图像为基础的具有生成物体的图像，所述的掩膜用于指示载体图像中生成物体的位置；

所述的随机噪声z为一段维度为100维的随机序列，所述的随机噪声z用于作为生成图像的初始分布，所述的生成条件c为一段16维的one-hot编码，所述的生成条件c用于指示生成物体的图像种类；

步骤3，信息隐写；将载体图像和掩膜输入到隐写网络模块中，向隐写网络模块中输入秘密信息，所述的隐写网络模块用于通过隐写算法对掩膜指示的生成物体区域内进行秘密信息隐藏，输出含密图像；

步骤4，结果判别；将掩膜和含密图像通过下采样提取的特征输入到判别网络模块中，所述的判别网络模块用于判断输出的含密图像是否生成了符合训练图像的物体，以及输出的含密图像是否含有秘密信息；

步骤5，重复训练；判别网络模块输出对比后的误差损失，根据偏差的梯度方向，更新判别网络模块的参数，调整生成网络模块内的参数，经过多次训练过程，最终得到精确的网络模型参数；

步骤6，发送方和接收方共享微弱特征卷积神经网络的参数模型和其对应的网络结构，发送方将原始载体图像经过预处理网络模块预处理后传入生成网络模块，输出含密图像，接收方利用参数模型和其对应的网络结构，复原所有的隐写区域，再利用隐写算法的可逆提取算法，将秘密信息提取出来。

2.根据权利要求1所述的一种基于物体局部生成对抗网络的大数据权属保护方法，其特征在于：所述的步骤1中得到的四组特征图尺度分别不同，每个特征图均带有原始载体图像的特征。

3.根据权利要求1所述的一种基于物体局部生成对抗网络的大数据权属保护方法，其特征在于：所述的步骤4中判别网络模块的输入为生成的含密图像和非生成的真实图像，所述的判别网络模块用于判别图像质量与隐写分析，所述的判别网络模块通过结构为不同尺寸卷积核的人工卷积神经网络进行判别图像质量，所述的判别网络模块通过隐写分析网络进行判别生成的含密图像的隐写失真，所述的隐写分析网络内设置有提取微弱特征的卷积核。

4.根据权利要求1所述的一种基于物体局部生成对抗网络的大数据权属保护方法，其特征在于：所述的背景重建模块中，输入为生成网络模块中前一层卷积层的m维特征图，通过扩增特征图的深度为2m，其中m深度的特征图经过sigmoid激活后与背景图像点乘，之后与另m深度的特征图相加，输出的特征图的深度是m。

5.根据权利要求4所述的一种基于物体局部生成对抗网络的大数据权属保护方法，其特征在于：所述的秘密信息隐藏通过将可逆隐写函数整合到生成网络中，实现隐写，在信息提取时，利用掩膜图像找到隐藏信息的位置，得到所有隐写区域，再利用隐写函数对应的提取函数，提取出秘密信息。