Отрывок: 2) Далее случайным образом выбираются |I| изоб- ражений оригинального датасета. Полученное подмножество I объединяется с подмножеством псевдоголограмм T. 3) Модель обучается на ЦВЗ-наборе W до тех пор, пока точность верификации ЦВЗ не будет доста- точной для однозначного подтверждения автор- ских прав. 4) Процедура проверки авторских прав осуществ- ляется путем оценки прогнозов модели на вери- ...
Полная запись метаданных
Поле DC Значение Язык
dc.contributor.authorВыборнова, Ю.Д.-
dc.date.accessioned2023-02-28 16:18:13-
dc.date.available2023-02-28 16:18:13-
dc.date.issued2023-04-
dc.identifierDspace\SGAU\20230222\102124ru
dc.identifier.citationВыборнова, Ю.Д. Метод защиты авторских прав на глубокие нейронные сети с помощью цифровых водяных знаков / Ю.Д. Выборнова // Компьютерная оптика. – 2023. – Т. 47, № 2. – С. 251-261. – DOI: 10.18287/2412-6179-CO-1193.ru
dc.identifier.uri10.18287/2412-6179-CO-1193-
dc.identifier.urihttp://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Metod-zashity-avtorskih-prav-na-glubokie-neironnye-seti-s-pomoshu-cifrovyh-vodyanyh-znakov-102124-
dc.description.abstractВ статье предлагается новый метод защиты авторских прав на глубокие нейронные сети. Основная идея метода заключается во встраивании цифровых водяных знаков в защищаемую модель путем ее дообучения на уникальном наборе псевдоголографических изображений (псевдоголограмм). Псевдоголограмма – это двумерный синусоидальный сигнал, кодирующий двоичную последовательность произвольной длины. Изменяя фазу каждой синусоиды, можно формировать различные изображения-псевдоголограммы на основе одной битовой последовательности. Предлагаемая схема встраивания заключается в генерации обучающей выборки таким образом, чтобы псевдоголограммы, сформированные на основе одной последовательности, попадали в один и тот же класс. При этом каждому классу будут соответствовать различные битовые последовательности. Верификация цифровых водяных знаков осуществляется путем подачи на вход модели различных псевдоголограмм и проверки соответствия скрытой в них последовательности определенному классу. Экспериментальные исследования подтверждают работоспособность метода, а также соответствие всем критериям качества, выдвигаемым к методам встраивания цифровых водяных знаков в нейронные сети.ru
dc.description.sponsorshipИсследование выполнено за счет гранта Российского научного фонда № 21-71-00106, https://rscf.ru/project/21-71-00106/.ru
dc.language.isorusru
dc.publisherСамарский национальный исследовательский университетru
dc.relation.ispartofseries47;2-
dc.subjectзащита авторских правru
dc.subjectцифровой водяной знакru
dc.subjectглубокие нейронные сетиru
dc.subjectпсевдоголограммаru
dc.titleМетод защиты авторских прав на глубокие нейронные сети с помощью цифровых водяных знаковru
dc.title.alternativeMethod for copyright protection of deep neural networks using digital watermarkingru
dc.typeArticleru
dc.textpart2) Далее случайным образом выбираются |I| изоб- ражений оригинального датасета. Полученное подмножество I объединяется с подмножеством псевдоголограмм T. 3) Модель обучается на ЦВЗ-наборе W до тех пор, пока точность верификации ЦВЗ не будет доста- точной для однозначного подтверждения автор- ских прав. 4) Процедура проверки авторских прав осуществ- ляется путем оценки прогнозов модели на вери- ...-
dc.classindex.scsti28.23.15-
Располагается в коллекциях: Журнал "Компьютерная оптика"

Файлы этого ресурса:
Файл Описание Размер Формат  
2412-6179_2023_47-2_251-261.pdfОсновная статья3.23 MBAdobe PDFПросмотреть/Открыть



Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.