一种基于深度学习的密文域图像分类方法
公开
摘要
本发明公开了一种基于深度学习的密文域图像分类方法，所设计的深度学习神经网络模型ECNet不仅可以对明文图像进行加密，而且可以对加密图像在密文域直接进行分类，其中ECNet加密解密网络使用的是基于ResNet改进而成的多尺度特征融合网络，在残差模块中引入了空洞卷积，使输出有较大的感受野，同时基于不同层次图像特征实施图像加解密。加密解密密钥平面基于混沌算法生成，修改密钥不需要重新训练网络，有较高的安全性和灵活性。ECNet能够在不解密出明文图像的情况下直接将解密特征映射为分类特征进行分类，并能用密钥控制分类网络的访问权限，能够很好地保护图像内容的隐私安全，且分类精度与明文图像的分类精度相当。
基本信息
专利标题 ：
一种基于深度学习的密文域图像分类方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114338944A
申请号 ：
CN202210003353.1
公开（公告）日 ：
2022-04-12
申请日 ：
2022-01-04
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
温兴杨竺乐庆瞿伟伟
申请人 ：
浙江工商大学
申请人地址 ：
浙江省杭州市下沙高教园区学正街１８号
代理机构 ：
代理人 ：
优先权 ：
CN202210003353.1
主分类号 ：
H04N1/32
IPC分类号 ：
H04N1/32 H04N1/44 H04L9/00 G06K9/62 G06N3/04 G06N3/08
法律状态
2022-04-12 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
