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！

龙图腾网获悉齐鲁工业大学(山东省科学院)申请的专利一种基于隐式扩散模型的条件引导水印攻击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：CN120430924B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202510933651.4，技术领域涉及：G06T1/00；该发明授权一种基于隐式扩散模型的条件引导水印攻击方法是由王春鹏;瞿彬妍;叶伟江;夏之秋;马宾;王玉立;李健;李琦;王晓雨;张佩;任启迎;许宏吉;孙岳岳;张倩设计研发完成，并于2025-07-08向国家知识产权局提交的专利申请。

本一种基于隐式扩散模型的条件引导水印攻击方法在说明书摘要公布了：本发明公开一种基于隐式扩散模型的条件引导水印攻击方法，涉及图像处理技术领域，其特征在于，包括以下步骤：S1：数据集的获取；S2：构建水印攻击网络，主要包括自动编码器、噪声注入模块、条件引导模块和噪声消除模块；S3：构建损失函数；S4：构建评价指标。本发明要解决的技术问题是提供一种基于隐式扩散模型的条件引导水印攻击方法，首先，在高分辨率图像中，扩散模型可以通过隐空间生成，高效地恢复图像的细节。其次，隐式扩散模型利用扩散过程的特性，通过迭代的方法逐步细化图像内容，从而去除水印并恢复背景信息。最后，扩散模型无需针对特定水印类型进行额外训练，即可直接应用于去水印任务。

本发明授权一种基于隐式扩散模型的条件引导水印攻击方法在权利要求书中公布了：1.一种基于隐式扩散模型的条件引导水印攻击方法，其特征在于，包括以下步骤： S1：数据集的获取； S2：构建水印攻击网络，包括噪声估计加噪模块、条件引导模块、去噪模块和下采样模块； S3：构建损失函数； S4：构建评价指标； 所述S2的具体步骤为： S21：将含水印图像输入至隐式扩散模型中； S22：在输入图像后，模型选择一个扩散步数，在每个扩散步长，其中，模型都会根据预定义的方差表，向水印图像添加高斯噪声，从而得到高斯噪声图像； S23：得到高斯噪声图像后，隐式扩散模型通过继承非马尔可夫过程升级传统去噪扩散模型，这个过程能够有效将从中分离出来，从而跳过时间步加速采样过程，去噪过程包括以下步骤： 输入前向过程最终输出高斯噪声图像、扩散步数以及增强深度残差网络至反向生成过程的UNet网络，UNet网络由编码器和解码器组成，中间有一个跳跃连接，形状呈U型，所以称为U-Net结构，在UNet网络的解码部分即上采样部分引入了隐式神经网络，通过隐式神经网络生成比原图像更高分辨率的图像； S24：得到更高分辨率图像后，对图像进行下采样，恢复回原始大小，从而得到攻击后的图像； 在所述S2中采用增强深度残差网络和隐式神经网络； 增强深度残差网络由卷积层与激活层堆叠，并且引入残差网络，对含水印图像进行精细可调控的特征提取，得到特征，随后特征馈送到UNet中进行初步的条件指导； 在UNet网络的上采样中，应用了隐式神经表示，其核心思想是将图像表示为一个连续的函数，而不是传统的离散像素网格，这种方法允许模型在任意分辨率下生成图像，在去噪过程中使用了几个基于坐标的多层感知机，以参数化隐式神经表示，这使模型能够在不牺牲图像质量的情况下，实现连续分辨率的图像超分辨率，用表示连续坐标，根据隐式表示公式： （1）； 其中：表示隐藏维度256的2层多层感知机； 表示对进行插值得到的特征，这里的插值是通过计算在第层深度中与的最近欧几里得距离来实现的； 表示当前第层未插值的坐标； 表示对进行插值得到的坐标，插值方式同样是在第层深度计算与的最近欧几里得距离来实现； 表示编码器第层上采样后的特征； 输入坐标周围的当前特征，其后计算出目标特征。

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齐鲁工业大学(山东省科学院)，其通讯地址为：250300 山东省济南市长清区大学路3501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”。