[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

摘要

本发明是一种基于物体局部生成对抗网络的大数据权属保护方法，在训练集上，载体图像经过多层的卷积网络，得到多组特征图，依次传入到载体重构模块。生成网络还包括多层反卷积网络，在生成条件经过多层反卷积后得到的特征图依次传入载体重构模块。将生成的目标载体图像输入到隐写网络，进行隐写区域的扩增和隐写秘密信息，随后将生成的图像输入到多粒度判别器中，对其分别在图像微弱特征和图像质量上判别，更新判别网络的参数，经过多次修改，得到网络模型参数并保存。发送方和接收方利用上述网络模型参数生成含秘图像或复原隐写区域并提取秘密信息。本专利实现了基于生成对抗网络信息隐藏，解决了生成对抗网络的隐写中的隐写问题，提高了安全性。

主权项

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；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。