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！

龙图腾网获悉北京邮电大学;烟台大学申请的专利跨模态隐写方法、装置、设备及存储介质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：CN119562067B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202411647634.6，技术领域涉及：H04N19/20；该发明授权跨模态隐写方法、装置、设备及存储介质是由寇菲菲;姚宇晗;刘霞;王嘉豪;李星辰;张紫胭设计研发完成，并于2024-11-18向国家知识产权局提交的专利申请。

本跨模态隐写方法、装置、设备及存储介质在说明书摘要公布了：本申请提供跨模态隐写方法、装置、设备及存储介质，方法包括：将载体图像和密文文本数据对应的密文图像分别输入预设的编码器，使得该编码器中的可学习小波变换网络和可逆神经网络分别对载体图像和密文图像进行正向特征提取，以得到载体图像对应的目标载体特征向量和密文图像对应的目标密文特征向量；基于目标载体特征向量和目标密文特征向量生成密文文本数据对应的密文跨模态隐写结果数据以进行网络传输。本申请能够将文本模态的密文文本数据嵌入到图像模态的载体图像中，实现多模态的隐写技术，并能够有效提高密文隐写的隐蔽性与鲁棒性，进而能够提高密文网络传输的安全性及可靠性。

本发明授权跨模态隐写方法、装置、设备及存储介质在权利要求书中公布了：1.一种跨模态隐写方法，其特征在于，包括： 将载体图像和密文文本数据对应的密文图像分别输入预设的编码器，使得该编码器中的可学习小波变换网络和可逆神经网络分别对所述载体图像和所述密文图像进行正向特征提取，以得到所述载体图像对应的目标载体特征向量和所述密文图像对应的目标密文特征向量；所述可学习小波变换网络由四个分别与近似频域、水平频域、垂直频域和对角线频域之间一一对应的用于模拟哈尔小波转换的卷积神经网络构成，以使得所述可学习小波变换网络用于分别提取所述载体图像和所述密文图像的近似频域、水平频域、垂直频域和对角线频域各自对应的特性信息，并在将所述载体图像和所述密文图像的高和宽减半后，分别将所述载体图像和所述密文图像各自的所述近似频域、水平频域、垂直频域和对角线频域各自对应的特性信息拼接在一起，以得到所述载体图像对应的目标载体特征向量和所述密文图像对应的目标密文特征向量； 基于所述目标载体特征向量和所述目标密文特征向量生成所述密文文本数据对应的密文跨模态隐写结果数据以进行网络传输； 接收噪声图像并提取该噪声图像对应的噪声载体特征向量和噪声密文特征向量，其中，所述噪声图像为密文跨模态隐写结果数据在网络传输后形成的，所述密文跨模态隐写结果数据是预先基于所述编码器输出的一载体图像对应的目标载体特征向量和一密文文本数据的密文图像对应的目标密文特征向量生成的； 将所述噪声载体特征向量和所述噪声密文特征向量分别输入与所述编码器相对应的解码器中，以使该解码器中的所述可学习小波变换网络和所述可逆神经网络分别对所述噪声载体特征向量和所述噪声密文特征向量进行逆向特征提取，以得到所述噪声载体特征向量对应的损失载体图像和所述噪声密文特征向量对应的还原密文图像；其中，所述噪声载体特征向量对应的损失载体图像与生成所述噪声载体特征向量所属的噪声图像所用的所述载体图像之间不同； 将所述还原密文图像输入预设的基于注意力机制和卷积层构成的解码优化模块，以使得该解码优化模块对应输出该还原密文图像对应的密文文本数据。

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北京邮电大学;烟台大学，其通讯地址为：100876 北京市海淀区西土城路10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”。

以上内容由龙图腾AI智能生成。