目录
摘要 4
第一章 作品概述 5
1.1背景分析 5
1.2相关工作 6
1.2.1数字水印 6
1.2.2机器学习 6
1.3应用前景分析 7
第二章 作品设计与实现 8
2.1作品实现概述 8
2.1.1嵌入过程 8
2.1.2提取识别过程 8
2.2数字水印概述 9
2.3图像数字水印频域算法 9
2.4水印信息预处理 10
2.5水印嵌入与提取算法 12
2.6卷积神经网络 13
第三章 作品测试与分析 16
3.1测试环境搭建与测试设备 16
3.2水印的隐蔽性评估 16
3.3基于 Inception-v3 模型的迁移学习 19
3.4水印在图像受到攻击后变形的评估 24
第四章 创新性说明 27
第五章 总结 28
参考文献 29
摘要
当今时代是一个信息爆炸的时代，随着网络和多媒体技术的发展，多媒体数据逐渐成为人们获取信息的重要来源，但问题也随之而来。由于多媒体信息与传统物质信息相比改动相对简单并且隐蔽性高，有一些不法分子对某些重要的数字信息做出恶意改动，制造出虚假的信息并传播，如果信息的接收人没有辨别出信息的真实性，可能就会造成不可估量的损失。因此，切实有效地保护数字信息的真实性是一个时下非常重要的话题。时下对信息真实性的保护大多在于保护端对端通讯，缺少对大量传播的数据真实性的保护。为了解决这个问题，利用图片受到攻击后水印改动的情况与机器学习的分类算法，我们开发出了基于神经网络及数字水印的图片攻击类别分析系统。该系统能够对插入水印的图片信息做是否受到攻击的判定，如果图像受到改动，还可以对改动的种类进行识别。
本产品由水印嵌入与提取模块、机器学习分类算法模块两部分组成。与其他产品相比，该产品中水印嵌入与提取的算法优不需要原图就可以实现水印的提取，更加切合图像改动检测的实际情况，满足公众对信息真实性验证的需求。应用机器学习对提取后的水印进行分析归类，可以鉴定图像的改动情况并且达到非常高的准确率。在此基础上，还可以扩展其他的功能，比如针对机器学习数据集攻击的识别，在未来的信息时代能够帮助安全从业人员节省大量精力。
关键词：数字水印 攻击检测 机器学习 神经网络