摘要
随着数字图像在社交网络中的广泛应用,图像数据的安全问题日益受到关注。图像
面临的安全威胁不仅仅包括隐私风险,还涉及图像的真实性、完整性及版权保护等。在
大数据环境下,对抗样本技术能够针对基于深度神经网络的恶意查找与识别问题保护图
像隐私安全,但是无法同时提供真实性、完整性及版权保护等功能。因此,基于对抗样
本与信息隐藏在处理流程上的相似性,本研究基于生成对抗网络和注意力机制将对抗样
本中无意义的噪声扰动更换为有意义的认证信息和版权信息,分别提出了具备图像真实
性和完整性保护功能的可认证对抗样
您可能关注的文档
最近下载
- 大兴安岭区呼中镇地热资源勘查定井案例.docx VIP
- 电动汽车动力电池检测与维修【实训指导书】2-2 检修电动汽车慢充系统.docx VIP
- 2026秋教科版(新教材)小学科学六年级上册(全册)分层作业及答案(附目录p149).docx
- 于丹〈论语〉感悟.pdf VIP
- kebf5变频器伺服使用使用说明书f5m.doc
- 电动汽车动力电池检测与维修【实训指导书】4-2 排除动力电池管理系统通信故障.docx VIP
- 电动汽车动力电池检测与维修【实训指导书】4-1 排除动力电池BMS控制器电源故障.docx VIP
- 电动汽车动力电池检测与维修【实训指导书】1-2 更换动力电池包内部组件.docx VIP
- 门诊医保违规行为总结2026.pptx
- 稀溶液的依数性现代教育技术.pdf
原创力文档

文档评论(0)