【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)屬于圖像隱寫，尤其涉及一種基于神經(jīng)元剪枝的隱式表示隱寫方法。
技術(shù)介紹
1、圖像隱寫的目的是將秘密信息隱藏在載體圖像中得到不為人所察覺的隱寫圖像以進(jìn)行隱蔽通信，通常只有擁有共享嵌入密鑰(通過安全的潛在通道傳輸)的知情接收者才能準(zhǔn)確地從隱寫圖像中提取秘密信息。隱寫圖像必須在視覺上和統(tǒng)計(jì)上與載體圖像無法區(qū)分，以避免被基于傳統(tǒng)的或基于深度學(xué)習(xí)的隱寫分析工具檢測到。
2、面向隱式神經(jīng)表示的隱寫技術(shù)，通過將顯示的秘密數(shù)據(jù)和載體數(shù)據(jù)隱式表示為連續(xù)函數(shù)，使一個(gè)網(wǎng)絡(luò)既能表示隱蔽載體，又能表示秘密信息，隱寫函數(shù)在隱式表示隱寫數(shù)據(jù)的同時(shí)隱藏了其消息提取的能力。首次提出的inr隱寫方案stegainr利用網(wǎng)絡(luò)參數(shù)的冗余性，通過將秘密信息表示為連續(xù)的秘密函數(shù)，對其參數(shù)進(jìn)行固定并擴(kuò)展的方法來構(gòu)造隱寫函數(shù)。然而，盡管隱式神經(jīng)表示在理論上具有較強(qiáng)的表示能力，但在表示圖像質(zhì)量方面并沒有優(yōu)于傳統(tǒng)的深度神經(jīng)網(wǎng)絡(luò)隱寫術(shù)。
3、在隱式神經(jīng)表示隱寫中，無論是深度隱寫還是模型隱寫均是將神經(jīng)網(wǎng)絡(luò)看作是一種數(shù)據(jù)處理工具，而除此之外，神經(jīng)網(wǎng)絡(luò)還可以用來表示特定的多媒體對象，不同類型的多媒體數(shù)據(jù)均可以轉(zhuǎn)化為隱式的神經(jīng)網(wǎng)絡(luò)表示，稱之為隱式神經(jīng)表示。目前，隱式神經(jīng)表示在圖像超分辨、圖像生成、新視角合成以及三維重建方面得到廣泛應(yīng)用。
4、在隱式神經(jīng)表示與隱寫之間的聯(lián)系研究中。神經(jīng)輻射場(nerf)采用隱式神經(jīng)表示進(jìn)行新視圖合成，將特定場景的坐標(biāo)映射為rgb顏色，作為一種3d數(shù)據(jù)的隱式神經(jīng)表示方法，nerf引起了廣泛的研究關(guān)注。li等首次提出
5、liu等首次提出了基于隱式表示的函數(shù)隱寫概念，將秘密信息的隱式神經(jīng)表示函數(shù)嵌入到載體數(shù)據(jù)的隱式神經(jīng)表示函數(shù)中，這樣可以使用發(fā)送者和接收者之間的共享密鑰直接從隱寫函數(shù)中提取秘密消息，從而無需解碼器，具有較高的隱蔽性。yang等在消息隱式表示的基礎(chǔ)上將多個(gè)消息隱式表示模型和載體的隱式表示模型拼接成一個(gè)大網(wǎng)絡(luò)，然后對其進(jìn)行置亂。然而，置亂后的攜密網(wǎng)絡(luò)僅能夠輸出噪聲數(shù)據(jù)，對于隱寫而言，隱蔽性低。
6、綜上，現(xiàn)有的基于圖像隱寫的隱蔽通信中，存在其隱寫圖像的質(zhì)量不高，需要訓(xùn)練額外的解碼其進(jìn)行秘密提取及隱寫圖像的隱蔽性低等問題。
技術(shù)實(shí)現(xiàn)思路
1、為解決上述技術(shù)問題，本專利技術(shù)提出了一種基于神經(jīng)元剪枝的隱式表示隱寫方法，以解決上述現(xiàn)有技術(shù)存在的問題。
2、為實(shí)現(xiàn)上述目的，本專利技術(shù)提供了一種基于神經(jīng)元剪枝的隱式表示隱寫方法，包括：
3、發(fā)送方構(gòu)建隱式神經(jīng)表示的底層網(wǎng)絡(luò)，獲取底層網(wǎng)絡(luò)的參數(shù)及結(jié)構(gòu)，基于底層網(wǎng)絡(luò)的參數(shù)及結(jié)構(gòu)，得到初始函數(shù)；
4、獲取秘密圖像，基于秘密圖像，通過隨機(jī)失活方法及感知機(jī)對初始函數(shù)進(jìn)行參數(shù)化，生成參數(shù)化后的隱式函數(shù)；
5、采用神經(jīng)元剪枝的方法對隱式函數(shù)進(jìn)行調(diào)整，生成秘密函數(shù)，并通過對神經(jīng)元剪枝中的剪枝位置進(jìn)行標(biāo)記，生成密鑰；
6、基于載體圖像，凍結(jié)秘密函數(shù)對應(yīng)的神經(jīng)元，重新激活被剪枝的神經(jīng)元對載體圖像進(jìn)行參數(shù)化，得到載體圖像對應(yīng)的隱寫函數(shù)；
7、接收方通過密鑰對隱寫函數(shù)進(jìn)行解密，獲得秘密函數(shù)，基于秘密函數(shù)，得到對應(yīng)的秘密圖像，以實(shí)現(xiàn)秘密圖像的隱式傳輸。
8、可選的，所述隱式神經(jīng)表示的底層網(wǎng)絡(luò)為mlp網(wǎng)絡(luò)；
9、在隱式神經(jīng)表示的底層網(wǎng)絡(luò)中：第l層有m個(gè)神經(jīng)元，第l-1層有n個(gè)神經(jīng)元，則根據(jù)第l-1層和第l層之間的權(quán)重，生成權(quán)重矩陣權(quán)重矩陣的維度為m×n，權(quán)重矩陣的第i行和第j列分別表示l層第i個(gè)神經(jīng)元和l-1層第j個(gè)神經(jīng)元之間的權(quán)重，偏差為向量形式為偏差向量bl，因此，第l層的神經(jīng)元的輸出方程為：
10、
11、其中，為表示第l層第i個(gè)神經(jīng)元的權(quán)值輸出結(jié)果，表示第l-1層每個(gè)神經(jīng)元輸出的激活值，表示第l層維度m×n的權(quán)重矩陣，表示第l層維度為m×l的偏差向量；
12、將輸入到激活函數(shù)ψ，其輸出值作為第l+1層的輸入，即
13、
14、所以，所述底層網(wǎng)絡(luò)的參數(shù)集合包括不同層下的權(quán)重矩陣和偏差向量，所述底層網(wǎng)絡(luò)的結(jié)構(gòu)向量集合表示為：其中，表示輸入層的維度，表示輸出層的維度，表示第l層隱藏神經(jīng)元的數(shù)量；
15、初始函數(shù)fθ＝{p,s}，其中p表示參數(shù)集合，s表示結(jié)構(gòu)向量集合。
16、可選的，參數(shù)化后的隱式函數(shù)的生成過程包括：
17、將秘密圖像中像素位置與像素值作為底層網(wǎng)絡(luò)的輸入及輸出，將秘密圖像作為參數(shù)化訓(xùn)練數(shù)據(jù)，首先隨機(jī)失活的方式選擇底層網(wǎng)絡(luò)中的神經(jīng)元將其權(quán)重重置為0，通過帶有加權(quán)參數(shù)θ的多層感知機(jī)對初始函數(shù)fθ進(jìn)行參數(shù)化以學(xué)習(xí)秘密圖像中像素位置與像素rgb值的關(guān)系，
18、其中，最小化損失函數(shù)來學(xué)習(xí)對秘密圖像的隱式神經(jīng)表示：
19、
20、其中i[x,y]表示像素位置(x,y)處的rgb值，θ表示隱式函數(shù)對應(yīng)的加權(quán)參數(shù)，x，y分別表示秘密圖像中的x軸及y軸中對應(yīng)的坐標(biāo)，f(x,y)＝(r,g,b)表示為映射函數(shù)f返回像素位置(x,y)處的rgb值，當(dāng)秘密圖像m確定時(shí)，通過損失函數(shù)來學(xué)習(xí)生成隱式函數(shù)的參數(shù)，其中，表示隱式函數(shù)中的參數(shù)集合，表示隱式函數(shù)中的結(jié)構(gòu)向量集合。
21、可選的，秘密函數(shù)的生成過程包括：
22、對隱式函數(shù)對應(yīng)的底層網(wǎng)絡(luò)進(jìn)行神經(jīng)元重要性評估：
23、
24、其中，表示第l層第i個(gè)神經(jīng)元的權(quán)值輸出結(jié)果，表示第l層與l-1層之間的權(quán)重矩陣，表示第l-1層每個(gè)神經(jīng)元輸出的激活值，表示第l層第i個(gè)神經(jīng)元與第l-1層的偏置；
25、對神經(jīng)元權(quán)值輸出結(jié)果小于等于閾值的神經(jīng)元進(jìn)行剪枝，并在剪枝過程中對剪枝的神經(jīng)元的連接結(jié)構(gòu)進(jìn)行刪除，其余的神經(jīng)元進(jìn)行保留，根據(jù)保留的神經(jīng)元的權(quán)重參數(shù)及結(jié)構(gòu)，生成表示秘密消息的秘密函數(shù)。
26、可選的，密鑰的生成過程包括：
27、通過對神經(jīng)元剪枝中的剪枝位置進(jìn)行標(biāo)記，將保留的神經(jīng)元標(biāo)記為1，將剪枝位置的神經(jīng)元標(biāo)記為0，生成標(biāo)記向量作為密鑰。
28、可選的，其中所述隱寫函數(shù)的過程包括：
29、對秘密函數(shù)中的神經(jīng)元進(jìn)行凍結(jié)，重新激活被剪枝的神經(jīng)元，通過載體圖像的像素坐標(biāo)及像素值對重新激活的神經(jīng)元進(jìn)行訓(xùn)練，通過損失函數(shù)訓(xùn)練生成隱寫函數(shù)實(shí)現(xiàn)對載體圖像的隱式神經(jīng)表示，損失函數(shù)為：
30、
31、其中，φ表示權(quán)重參數(shù)，本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于神經(jīng)元剪枝的隱式表示隱寫方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，
6.根據(jù)權(quán)利要求4所述的方法，其特征在于，
7.根據(jù)權(quán)利要求1所述的方法，其特征在于，
8.根據(jù)權(quán)利要求1所述的方法，其特征在于，
【技術(shù)特征摘要】
1.一種基于神經(jīng)元剪枝的隱式表示隱寫方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，
4.根據(jù)權(quán)利要求1所述的方法，其特征在于...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：劉佳，董煒娜，柯彥，陳立峰，孫文權(quán)，潘曉中，
申請(專利權(quán))人：中國人民武裝警察部隊(duì)工程大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。