基于概率模拟攻击的深度鲁棒图像水印算法

摘要

针对现有基于深度学习的图像水印算法存在鲁棒性不足的问题,提出了一种基于概率模拟攻击的端到端的深度鲁棒图像水印算法。利用生成对抗网络作为基本框架,通过设计不同的可微模拟攻击来模拟常见的噪声和几何攻击,并设计了一种新的训练机制——在训练过程中根据图像水印对攻击的适应情况动态地调整不同模拟攻击出现的概率,获得水印对多种攻击的鲁棒性。实验结果表明,与SteganoGAN算法和UDH算法相比,本文提出的算法在大部分攻击下的鲁棒性占有优势。