信息处理与安全技术:图像水印、恶意程序检测与隐写分析
1. 量子神经网络在图像水印中的应用
1.1 训练机制
在图像水印处理中,会对那些使隐藏节点在所有训练示例中输出相同值的权重向量施加小的惩罚。这样做的目的是让所选的权重向量通常包含对输出节点有用的信息。训练过程会在达到可接受的训练示例正确分类百分比时终止。
1.2 实验步骤
我们采用基于量子神经网络分区(QNN - partition)的方法,将一个 128 位的序列 τ 嵌入到一份 23 页的单栏文档中,为了保证高鲁棒性,使用了重复码。具体操作如下:
1. 文档预处理 :通过标准块提取方法,使文档仅包含文本内容。
2. 文档分区 :利用基于 QNN 的方法将文档划分为七个部分。
3. 数据统计 :记录原始文档和嵌入文档的平均行权重及其标准差,具体数据如下表所示:
| 原始文档 | | 嵌入文档 | |
| — | — | — | — |
| 行平均 | 标准差 | 行平均 | 标准差 |
| 54742 | 131836 | 54742 | 160422 |
| 56196 | 109865 | 56195 | 140998 |
| 53065 | 95433 | 53067 | 118032 |
| 56331 | 148903 | 56328 | 179138 |
| 53552 | 89932 | 53550 | 129054 |
| 55835 | 12804
超级会员免费看
订阅专栏 解锁全文
19

被折叠的 条评论
为什么被折叠?



