面向版权保护的对抗攻击算法研究.pdf

摘要 摘要 人工智能时代，信息传播更加高效多样化，网络产业所涉及的版权保护问 题也日益凸显且成为非常艰巨的挑战。数字水印技术为解诀此类问题提供了切 实可行的方案，研究意义重大。目前的深度神经网络容易受到对抗样本的攻击， 对抗攻击通过生成对抗干扰并嵌入到原始图像中，生成与原始图像十分相似的 对抗样本，使得训练好的神经网络输出错误的预测结果，并且不会干扰人们的 判断。对抗样本的生成过程与数字水印的嵌入过程存在相似之处，均是嵌入信 息至原始图像并且最终生成的图像与原始图像视觉效果相同。为了提高数字水 印的版权保护效果，本文通过研究对抗攻击算法，并将其与数字水印技术进行 融合，提出了全新的基于对抗攻击的图像水印嵌入算法和图像水印提取算法， 训练得到了一个鲁棒水印网络。该网络既能遏制检索系统通过网络获取图像， 减少侵权行为，又能在侵权行为发生后，高效地进行版权验证保护图像版权。 论文的主要研究工作如下： Iterative (1)提出了图像水印对抗样本生成算法(MI．PriAWM，Momentum Watermark)，旨在将数字水印以对抗扰动的形式嵌入图像攻 —PrivacyAdversarial 击深度检索系统，保护私人图像的隐私和版权安全。算法将水印图片嵌入过程 中进行的一系列变换操作转化为一个生成对抗样本的最小化约束问题，通过最 小化该约束条件，在原始图像中嵌入水印信息后生成对抗水印图像。该图像与 原始图像有相似的视觉效果，且能够通过扰乱神经网络提取的特征向量来攻击 深度哈希检索系统，影响原始图像的相似度匹配结果，从而遏制检索系统通过 网络非法获得所需私人图像，减少侵权现象从而保护图像安全。实验结果表明， 在MS 的51．59％最低降到10．09％，同时保持良好的视觉效果。 (2)采用对抗训练的思想，提出了一种鲁棒性强的水印提取算法(RoDec， Robust Decode Watermark Algorithm)，旨在高效地从图像中提取出原始水印信 息进行版权验证以应对侵权行为。RoDec利用深度学习生成对抗样本的思想模 拟水印图像的失真噪声，在编码器确定的基础上，得到各种失真水印图像样本 实现训练集的数据增强，以便用于解码器的对抗训练。该算法解决了一般的失 摘要 真图像模拟方法在端到端的训练过程中因不可求导而无法连续回传的问题，得 到鲁棒性强的深度学习水印模型。结果表明，在存在失真情况下，水印提取算 法RoDec能将深度水印系统精确度提高到90％以上，同时保持良好的泛化能力。 综上，本文研究面向版权的对抗攻击算法，提出水印嵌入算法MI．PfiAWM 和提取算法RoDec，得到鲁棒性强的数字水印模型，有效保护图像的版权安全。 关键词：对抗攻击数字水印版权保护深度检索对抗训练 目录 目录 摘要………………………………………………………………………I Abstract…．．．…．．．…．．．．．．．．…．……………．……．…．．．…．…．．．……………．……………．．．III 目录……………………………………………………………………………………………．V 图清单………………………………………………………………．．VIII 表清单…………………………………………………………………．IX 1绪论………………………………………………………………………………1 1．1研究背景与意义……………………………………………………………1 1．1．1对抗攻击研究意义……………………………………………………………3 1．1．2网络时代版权安全的新需求…………………………………………………5 1．2国内外相关研究现状及发展趋势…………………………………………6 1．2．1深度学习数字水印技术………………………………………………………6 1．2．2对抗攻击策略………………………………