[发明专利]一种快速的高精度深度学习模型黑盒水印方法

权利要求书

1.一种快速的高精度深度学习模型黑盒水印方法，包括如下步骤：

第一步：准备正训练数据集和反向标记的负训练数据假设存在一个二分类问题，数据的标签用L₁和L₂表示，正训练数据就是正确标注的数据集，而负训练数据用L₁标注属于L₂的数据，用L₂标注属于L₁的数据；

第二步：用D_p训练CGAN1使其能够按照标签生成指定图片，然后用CGAN2读取CGAN1的模型参数，并且用D_s训练CGAN2，由于CGAN2读取了CGAN1的参数，生成的图片是正确的标注的数据，但D_s交换了正确标注数据的标签，因此CGAN2的判别器和生成器将会学习到错误的特征，再继续用CGAN1读取CGAN2的模型参数，用D_p训练，依次迭代；直到深度学习模型对CGAN1或CGAN2生成的图片在两个分类上的概率相同，都为0.5时就认为CGAN生成的触发集处于决策边界；

第三步：用预先训练的CGAN生成我们的触发样本N_k，1≤k≤n；

第四步：对Logistic映射迭代N次，选择最后n次结果分配给第二步中生成的n个触发集，现在每个触发样本都拥有了一个Logistic映射值1≤k≤n；

第五步：将Logistic映射值y划分为两个区间[0，1/μ]和[1/μ，1]，则将触发样本标记为L₁，的触发样本标记为L₂；

第六步：触发集和训练集一起训练手写数字识别模型完成水印的嵌入。