返回
Rad-Mark: Reliable adversarial zero-watermarking
DOI:10.1016/j.neucom.2025.129970.png)
摘要
En 中文
零水印是一种无损保护技术,因此它被广泛应用于需要无损保护的医学图像、艺术品和其他载体。然而,当前的零水印存在不同宿主图像特征图像之间相似度过高的问题,导致误报率较高。为解决这一挑战,我们提出Rad-Mark,这是一种基于深度学习的零水印框架,首次利用对抗特征优化显著增强水印检测的鲁棒性和准确性。对抗样本被用于显著提高框架的安全性,其误报的NC值可接近0.5。图像扰动和高斯噪声均被纳入训练过程。具体而言,我们的Rad-Mark包含特征融合设计,以及基于局部滤波特征和全局手工特征融合的映射网络。我们对关键参数进行了深入分析,包括高斯噪声、水印维度和权重因子,探索了它们对Rad-Mark性能的影响。大量实验结果表明,Rad-Mark在安全性和鲁棒性方面均优于现有的零水印方法。
Keyword:
Zero-watermarking
Adversarial training
Local-global features
False positive
Security and robustness
期刊
IF:
6.5
论文数:
2.5W
被引数:
6.5W

