基于4D-Arnold不等长映射的深度隐写模型参数加密研究

摘要

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