买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉上海大学;上海大学温州研究院申请的专利一种面向自监督学习视觉模型的版权保护方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115935306B 。

龙图腾网通过国家知识产权局官网在2025-07-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211534087.1，技术领域涉及：G06F21/16；该发明授权一种面向自监督学习视觉模型的版权保护方法是由张天行;孙广玲;陆小锋设计研发完成，并于2022-12-02向国家知识产权局提交的专利申请。

本一种面向自监督学习视觉模型的版权保护方法在说明书摘要公布了：本发明涉及版权保护技术领域，且公开了一种面向自监督学习视觉模型的版权保护方法，包括以下步骤：步骤S1:水印生成前，首先需使用经过自监督学习预训练得到的编码器Eθ生成对抗扰动wadv并以此作为水印；步骤S2:水印嵌入，在生成wadv后，下一步是将wadv嵌入预训练编码器Eθ中；步骤S3:水印验证，当编码器版权拥有者验证可疑编码器是否侵犯了其带水印编码器的知识产权时，可以在白盒场景和黑盒场景两种场景下验证其版权。该面向自监督学习视觉模型的版权保护方法，与传统的针对端到端分类模型的水印算法不同，本算法不需要获得下游任务的先验知识；因此，本算法能够在白盒甚至是更严格的黑盒场景下验证编码器的所有权。

本发明授权一种面向自监督学习视觉模型的版权保护方法在权利要求书中公布了：1.一种面向自监督学习视觉模型的版权保护方法，其特征在于，包括以下步骤： 步骤S1：水印生成前，首先需使用经过自监督学习预训练得到的编码器生成对抗扰动并以此作为水印，通过预训练编码器对随机选择的图像即私密图像提取特征嵌入即；基于干净的数据集和编码器来生成对抗扰动，并使得覆盖扰动后图像经过编码器编码得到的特征嵌入，其中在私密图像编码后的特征嵌入周围聚集；为了使和之间的特征距离缩小，实现这个目标，在基于数据集对扰动进行优化的过程中将以下损失函数最小化：； 步骤S2：水印嵌入，在生成后，下一步是将嵌入预训练编码器中；水印嵌入，该过程是通过联合损失进一步训练来实现的，该联合损失分别由对比损失和水印损失两个分量组成，即，其中是平衡损耗的参数；通过使用softmax函数处理后的叠加对抗水印图像的嵌入和不叠加水印的正常图像的嵌入之间的KL散度，即 其中是中的一个经过自监督学习算法增强后的样本，通过在训练过程中更新编码器参数来添加步骤S1中生成的水印； 步骤S3：水印验证，当编码器版权拥有者验证可疑编码器是否侵犯了其带水印编码器的知识产权时，可以在白盒场景和黑盒场景两种场景下验证其版权。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人上海大学;上海大学温州研究院，其通讯地址为：200000 上海市宝山区上大路99号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。