[發明專利]深度學習模型水印嵌入方法、裝置、電子設備及存儲介質

有效

• 申請號: 202010217150.3
• 申請日: 2020-03-25
• 公開（公告）號: CN111523094B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 劉利
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F21/16
• 分類號: G06F21/16;G06N3/0464;G06N3/048;G06N3/08
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

1.一種深度學習模型的水印嵌入方法，其特征在于，所述方法包括：

獲取用戶的水印簽名及訓練完成的深度學習模型，其中，所述水印簽名包括二進制字符串，將所述水印簽名輸入至所述深度學習模型中進行訓練，得到訓練值；

計算所述訓練值的損失函數值，將所述損失函數值與一個預設的閾值進行比較，根據比較的結果調整所述水印簽名，直至所述損失函數值小于所述預設的閾值時，輸出調整后的水印簽名；

利用所述深度學習模型對所述調整后的水印簽名進行編碼操作，得到多個子水印簽名，將所述子水印簽名嵌入在所述深度學習模型的不同層中，并根據所述多個子水印簽名生成所述水印簽名的水印密鑰；

通過所述水印密鑰查詢所述水印簽名在所述深度學習模型中的編碼記錄，通過所述編碼記錄提取出嵌入在所述深度學習模型中不同層的子水印簽名集，根據所述提取出的子水印簽名集驗證待檢測用戶的水印簽名是否正確；

接收待檢測用戶的水印簽名，計算所述子水印簽名集與所述待檢測用戶的水印簽名的比特錯誤率；

若所述比特錯誤率為零，判斷所述待檢測用戶的水印簽名為真實水印簽名，則表示所述待檢測用戶為所述深度學習模型的產權人；

若所述比特錯誤率不為零，則判斷所述待檢測的水印簽名為錯誤水印簽名，則表示所述待檢測用戶不是所述深度學習模型的產權人。

2.如權利要求1所述的深度學習模型的水印嵌入方法，其特征在于，所述深度學習模型包括：輸入層、隱藏層、全連接層以及輸出層，所述隱藏層包括卷積層、池化層以及激活層；所述將所述水印簽名作為訓練集輸入至所述深度學習模型中進行訓練，得到訓練值，包括：

通過所述輸入層接收所述水印簽名，通過所述卷積層對所述水印簽名進行卷積操作，得到所述水印簽名的特征向量；

利用所述池化層對所述特征向量進行池化操作，通過所述激活層的激活函數對池化后的所述特征向量進行計算，得到所述訓練值，并利用全連接層將所述訓練值輸入至所述輸出層中，并輸出所述訓練值。

3.如權利要求2所述的深度學習模型的水印嵌入方法，其特征在于，所述激活函數包括：

其中，O_j表示激活層第j個神經元的訓練值，I_j表示激活層第j個神經元的輸入值，t表示激活層神經元的總量，e為無限不循環小數。

4.如權利要求1至3中任意一項所述的深度學習模型的水印嵌入方法，其特征在于，所述訓練值的損失函數值的計算方法包括：

其中，L(s)表示損失函數值，k表示水印簽名的二進制字符串數量，y_i表示輸入的水印簽名第i個二進制字符串，y′_i表示輸出的水印簽名第i個二進制字符串。

5.如權利要求1所述的深度學習模型的水印嵌入方法，其特征在于，所述比特錯誤率的計算方法包括：

其中，BER表示比特錯誤率，k表示水印簽名的二進制字符串數量，Signature1[i]表示待檢測水印簽名中第i個二進制字符，Signature2[i]表示所述子水印簽名集中第i個二進制字符。