本发明涉及深度学习与鲁棒水印交叉领域，为基于深度神经网络的自适应鲁棒水印嵌入方法及系统，包括：随机选取载体图像和生成水印序列信息；对载体图像和水印序列进行预处理；对预处理后的载体图像和水印序列信息进行编码，输出修改比例图；对载体图像进行高斯滤波，计算嵌入水印序列信息时允许修改的最大值，输出阈值图；计算由水印信息映射而成的特征噪声模板，生成水印图像；对水印图像添加噪声和进行图像攻击处理操作，生成被攻击的水印图像；接收被攻击的水印图像，输出预测的水印信息序列。本发明可自适应嵌入水印信息，对于载体图像纹理复杂区域修改量大，而对于平滑区域修改量小，具有更好的视觉质量，同时有很强的鲁棒性。