[发明专利]信息隐写模型训练方法、信息隐写方法、设备及存储介质

权利要求书

1.一种信息隐写模型训练方法，其特征在于，所述信息隐写模型包括：隐写网络、提取网络和判定网络，所述方法包括：

采用所述隐写网络，将多个图像样本的预设隐写信息分别嵌入至所述多个图像样本中，得到所述多个图像样本对应的隐写图像样本，所述预设隐写信息为用户身份标识的二进制信息；

采用所述提取网络，对所述隐写图像样本进行处理，得到所述隐写图像样本对应的恢复隐写信息；

采用所述判定网络，对所述多个图像样本和对应的隐写图像样本进行处理，得到隐写评估值，所述隐写评估值用于表征所述隐写图像样本的质量，所述判定网络用于提取所述多个图像样本的图像特征以及对应的所述隐写图像样本的图像特征，所述隐写评估值为所述多个图像样本的图像特征与对应的所述隐写图像样本的图像特征的特征差；

根据所述预设隐写信息、所述恢复隐写信息以及所述隐写评估值，计算目标损失函数值；

根据所述目标损失函数值，对所述信息隐写模型进行参数更新，得到目标信息隐写模型；

所述根据所述预设隐写信息、所述恢复隐写信息以及所述隐写评估值，计算目标损失函数值，包括：

根据所述预设隐写信息和所述恢复隐写信息，计算第一损失函数值，所述第一损失函数值为所述预设隐写信息和所述恢复隐写信息的二元交叉熵；

根据所述第一损失函数值及所述隐写评估值，计算第二损失函数值；所述目标损失函数值包括：所述第二损失函数值；

所述根据所述目标损失函数值，对所述信息隐写模型进行参数更新，得到目标信息隐写模型，包括：

根据所述第二损失函数值，更新所述隐写网络和所述提取网络的参数；

所述根据所述第一损失函数值及所述隐写评估值，计算第二损失函数值，包括：

计算所述多个图像样本和对应的隐写图像样本在多个颜色通道的像素值的均方误差；

根据所述均方误差、所述第一损失函数值及所述隐写评估值，计算所述第二损失函数值，所述第二损失函数值为所述均方误差、所述第一损失函数值及所述隐写评估值的和值，或者所述均方误差、所述第一损失函数值及所述隐写评估值的加权平均值。

2.根据权利要求1所述的方法，其特征在于，所述根据所述第二损失函数值，更新所述隐写网络和所述提取网络的参数之后，所述方法还包括：

根据所述多个图像样本，对参数更新后的信息隐写模型进行训练，直至所述第二损失函数值达到第一损失条件。

3.根据权利要求1所述的方法，其特征在于，所述根据所述目标损失函数值，对所述信息隐写模型进行参数更新，得到目标信息隐写模型之前，所述方法还包括：

根据所述多个图像样本和对应的隐写图像样本，计算所述判定网络的第三损失函数值；所述目标损失函数值还包括：所述第三损失函数值；

所述根据所述目标损失函数值，对所述信息隐写模型进行参数更新，得到目标信息隐写模型，包括：

根据所述第三损失函数值，更新所述判定网络的参数。

4.根据权利要求3所述的方法，其特征在于，所述根据所述第三损失函数值，更新所述判定网络的参数之后，所述方法还包括：

根据所述多个图像样本，对参数更新后的信息隐写模型进行训练，直至所述第三损失函数值达到第二损失条件。

5.一种信息隐写方法，其特征在于，包括：

对待处理文件进行处理，得到待处理图像；

采用上述权利要求1-4中任一所述的训练方法训练得到目标信息隐写模型中的隐写网络，将所述待处理图像的预设隐写信息嵌入至所述待处理图像，得到所述待处理图像的隐写图像；

根据所述隐写图像，生成目标文件。

6.一种信息隐写模型训练设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当信息隐写模型训练设备运行时，所述处理器与所述存储器之间通过总线通信，所述处理器执行所述机器可读指令，以执行权利要求1至4任一项所述的方法。