期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于4D-Arnold不等长映射的深度隐写模型参数加密研究
1
作者
段新涛
李壮
张恩
《河南师范大学学报(自然科学版)》
北大核心
2025年第4期66-73,I0011-I0013,共11页
隐写模型训练过程中需要大量数据和技术投入,因此隐写模型被窃用将对其所有者造成安全威胁和经济损失.为保护隐写模型,提出了一种基于4D-Arnold不等长映射的隐写模型参数保护方法.方法采用置乱-扩散策略,首先,置乱阶段通过4D-Aronld映...
隐写模型训练过程中需要大量数据和技术投入,因此隐写模型被窃用将对其所有者造成安全威胁和经济损失.为保护隐写模型,提出了一种基于4D-Arnold不等长映射的隐写模型参数保护方法.方法采用置乱-扩散策略,首先,置乱阶段通过4D-Aronld映射对卷积层参数跨卷积核、跨通道置乱.其次,扩散阶段采用相邻参数扩散机制在相邻参数间实现数值扩散并完成参数加密.最后,第三方无法获取任何秘密信息,实现对隐写模型的保护.实验表明,隐写模型加密后提取出的图像在PSNR,MSE,LPIPS和SSIM指标以及视觉效果上,显著降低了模型原始性能,模型隐蔽通信功能丧失.此外,所提方法在保证隐写模型加密有效性和安全性的同时,还可以应用于图像分类等其他深度模型的加密保护.
展开更多
关键词
ai模型安全
参数加密
4D-Arnold不等长映射
图像隐写
模型
卷积神经网络
在线阅读
下载PDF
职称材料
基于四维Chen混沌系统的深度神经网络模型主动保护方法
2
作者
段新涛
保梦茹
+1 位作者
武银行
秦川
《计算机应用》
2025年第11期3621-3631,共11页
基于深度神经网络(DNN)的模型以其优越的性能得到了广泛的应用,但训练一个性能强大的DNN模型需要大量的数据集、专业知识、计算资源、硬件条件和时间等,如果对它进行非法盗用会对模型拥有者造成巨大的损失。针对DNN模型的安全和知识产...
基于深度神经网络(DNN)的模型以其优越的性能得到了广泛的应用,但训练一个性能强大的DNN模型需要大量的数据集、专业知识、计算资源、硬件条件和时间等,如果对它进行非法盗用会对模型拥有者造成巨大的损失。针对DNN模型的安全和知识产权问题,提出一种DNN模型主动保护方法。该方法使用一种新的综合性权重选择策略精准定位模型中的重要权重,并结合DNN模型卷积层的结构特点,在三维混沌系统的基础上首次引入四维Chen混沌系统对卷积层的少量权重进行位置置乱加密。同时,为了解决授权用户即使拥有密钥也无法解密的问题,结合椭圆曲线加密算法(ECC)构建加密模型的数字签名方案。加密后,权重位置和混沌序列的初始值复合形成加密密钥,授权用户可以使用该密钥正确解密DNN模型,而未被授权的攻击者即使截获了DNN模型也无法正常使用。实验结果表明,对分类模型的少量权重位置进行置乱能显著降低分类准确率,并且解密模型可以实现无损恢复。此外,该方法能够抵抗微调和剪枝攻击,且得到的密钥具有较强的敏感性并能抵抗暴力攻击。同时,通过实验验证了该方法不仅对图像分类模型有效,还能保护深度图像隐写模型和目标检测模型,具有可迁移性。
展开更多
关键词
ai模型安全
深度神经网络
权重加密
四维Chen混沌系统
椭圆曲线加密算法
在线阅读
下载PDF
职称材料
题名
基于4D-Arnold不等长映射的深度隐写模型参数加密研究
1
作者
段新涛
李壮
张恩
机构
河南师范大学计算机与信息工程学院
河南师范大学教育人工智能与个性化学习河南省重点实验室
出处
《河南师范大学学报(自然科学版)》
北大核心
2025年第4期66-73,I0011-I0013,共11页
基金
国家自然科学基金(U1904123,U20B2051)
河南省高等学校重点科研项目(23A520006)
河南省科技攻关计划(222102210199).
文摘
隐写模型训练过程中需要大量数据和技术投入,因此隐写模型被窃用将对其所有者造成安全威胁和经济损失.为保护隐写模型,提出了一种基于4D-Arnold不等长映射的隐写模型参数保护方法.方法采用置乱-扩散策略,首先,置乱阶段通过4D-Aronld映射对卷积层参数跨卷积核、跨通道置乱.其次,扩散阶段采用相邻参数扩散机制在相邻参数间实现数值扩散并完成参数加密.最后,第三方无法获取任何秘密信息,实现对隐写模型的保护.实验表明,隐写模型加密后提取出的图像在PSNR,MSE,LPIPS和SSIM指标以及视觉效果上,显著降低了模型原始性能,模型隐蔽通信功能丧失.此外,所提方法在保证隐写模型加密有效性和安全性的同时,还可以应用于图像分类等其他深度模型的加密保护.
关键词
ai模型安全
参数加密
4D-Arnold不等长映射
图像隐写
模型
卷积神经网络
Keywords
ai
model security
parameter encryption
4D-Arnold unequal length mapping
image steganography model
convolutional neural network
分类号
TP309.7 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
基于四维Chen混沌系统的深度神经网络模型主动保护方法
2
作者
段新涛
保梦茹
武银行
秦川
机构
河南师范大学计算机与信息工程学院
出处
《计算机应用》
2025年第11期3621-3631,共11页
基金
河南省高等学校重点科研项目(23A520006)
河南省科技攻关项目(222102210199)。
文摘
基于深度神经网络(DNN)的模型以其优越的性能得到了广泛的应用,但训练一个性能强大的DNN模型需要大量的数据集、专业知识、计算资源、硬件条件和时间等,如果对它进行非法盗用会对模型拥有者造成巨大的损失。针对DNN模型的安全和知识产权问题,提出一种DNN模型主动保护方法。该方法使用一种新的综合性权重选择策略精准定位模型中的重要权重,并结合DNN模型卷积层的结构特点,在三维混沌系统的基础上首次引入四维Chen混沌系统对卷积层的少量权重进行位置置乱加密。同时,为了解决授权用户即使拥有密钥也无法解密的问题,结合椭圆曲线加密算法(ECC)构建加密模型的数字签名方案。加密后,权重位置和混沌序列的初始值复合形成加密密钥,授权用户可以使用该密钥正确解密DNN模型,而未被授权的攻击者即使截获了DNN模型也无法正常使用。实验结果表明,对分类模型的少量权重位置进行置乱能显著降低分类准确率,并且解密模型可以实现无损恢复。此外,该方法能够抵抗微调和剪枝攻击,且得到的密钥具有较强的敏感性并能抵抗暴力攻击。同时,通过实验验证了该方法不仅对图像分类模型有效,还能保护深度图像隐写模型和目标检测模型,具有可迁移性。
关键词
ai模型安全
深度神经网络
权重加密
四维Chen混沌系统
椭圆曲线加密算法
Keywords
ai
model security
Deep Neural Network(DNN)
weight encryption
four-dimensional Chen chaotic system
Elliptic Curve Cryptography(ECC)algorithm
分类号
TP309.2 [自动化与计算机技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于4D-Arnold不等长映射的深度隐写模型参数加密研究
段新涛
李壮
张恩
《河南师范大学学报(自然科学版)》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于四维Chen混沌系统的深度神经网络模型主动保护方法
段新涛
保梦茹
武银行
秦川
《计算机应用》
2025
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
