(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111637371.7 (22)申请日 2021.12.3 0 (65)同一申请的已公布的文献号 申请公布号 CN 113989097 A (43)申请公布日 2022.01.28 (73)专利权人 南京中孚信息技 术有限公司 地址 210000 江苏省南京市浦口区江浦街 道仁山路1号园区2号楼办公室东侧 ER202室 (72)发明人 崔新安　孙强　苗功勋　曲志峰　 解荣昊　高伟　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 曹瑞敏(51)Int.Cl. G06T 1/00(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 CN 109587372 A,2019.04.0 5 CN 10949 2416 A,2019.0 3.19 US 2010/0191565 A1,2010.07.2 9 审查员 舒瀚 (54)发明名称 信息隐写模型训练方法、 信息隐写方法、 设 备及存储介质 (57)摘要 本申请提供了一种信息隐写模 型训练方法、 信息隐写方法、 设备及存储介质， 其中， 信息隐写 模型训练方法包括： 采用隐写网络， 将多个图像 样本的预设隐写信息分别嵌入至多个图像样本 中， 得到多个图像样本对应的隐写图像样本， 采 用提取网络， 对隐写图像样本进行处理， 得到 隐 写图像样本对应的恢复隐写信息， 采用判定网 络， 对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， 根据预设隐写信息、 恢复 隐写信息以及隐写评估值， 计算目标损失函数 值， 根据目标损失函数值， 对信息隐写模型进行 参数更新， 得到目标信息 隐写模型。 从而采用目 标信息隐写模型可以对各种类型的文件进行信 息隐写， 兼容 性强， 且隐写效果佳。 权利要求书2页 说明书14页 附图5页 CN 113989097 B 2022.05.06 CN 113989097 B 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：权　利　要　求　书 1/2 页 2 CN 113989097 B 2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。 7.一种信息隐写设备， 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5所述的方法。 8.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有计算机 程序， 所述计算机程序被处 理器运行时执 行权利要求1至 5任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 113989097 B 3