(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111499430.9 (22)申请日 2021.12.09 (71)申请人 上海大学 地址 200444 上海市宝山区上 大路99号 (72)发明人 王子驰　冯国瑞　张新鹏　 (74)专利代理 机构 上海上大专利事务所(普通 合伙) 3120 5 代理人 何文欣 (51)Int.Cl. H04L 9/40(2022.01) G06N 3/08(2006.01) (54)发明名称 一种通过胶囊网络进行多信道秘密信息传 输的方法 (57)摘要 本发明提出了一种通过胶囊网络进行多信 道秘密信息传输的方法， 通过训练同一个胶囊网 络嵌入多份不同的秘密信息。 针对多个接收者的 秘密信息在胶囊网络训练过程中被嵌入在胶囊 网络中。 之后， 接收者可利用自己的密钥在含密 胶囊网络中提取对应的信息。 而对其他部分的秘 密信息， 该接收者无法确定秘密信息的存在性， 更无法提取。 由于秘密信息没有暴露， 因此信息 隐藏的安全性可得到保证。 由于秘密信息在胶囊 网络的训练过程中嵌入而不是训练之后用过修 改网络权重嵌入， 因此信息嵌入对网络原始任务 的影响很小。 此外， 信息提取网络的参数由密钥 直接生成， 无需通过训练得到， 因此也无需向接 收者传送信息提取网络。 只需持有正确密钥即可 提取秘密信息 。 权利要求书2页 说明书6页 附图2页 CN 114338093 A 2022.04.12 CN 114338093 A 1.一种通过胶囊网络进行多信道秘密信息传输的方法， 其特征在于： 在胶囊网络的训 练过程中， 将多份不同的秘密信息嵌入到胶囊网络中； 各接 收者利用自己的密钥在含密胶 囊网络中提取对应的信息， 而对其他部分的秘密信息， 该接 收者无法确定秘密信息的存在 性， 更无法提取； 此外， 信息提取网络的参数由密钥直接生成， 无需通过训练得到， 也无需 向 接收者传送信息提取网络， 只需持有正确密钥即可提取秘密信息； 采用的胶囊网络架构由Conv1层和PrimaryCaps层这两个卷积层、 以及一个DightCaps 层全连接层组成； Conv1层包含256个大小为9 ×9的卷积核， 步长为1， 激活函数为ReLU， 用于 提取局部像素特征； Pr imaryCaps层为胶囊层， 包含32个胶囊， 各胶囊包含8个大小为9 ×9的 卷积核， 步长为2， 激活函数为ReLU； 最后， DightCaps层包含10个16维的胶囊； 各胶囊分别表 示一个类， 均与PrimaryCaps层全连接； 胶囊模长表示输入图像属于此类的概率； PrimaryCaps层与DightCaps层间的参数通过路由协议传输与更新， 从而增强激活的特征而 抑制其余特征； 设PrimaryCaps层中第i个胶囊的输出为ui， 其中i∈{1,2,...,32}， 将ui与一 个大小为8 ×16的权重矩阵Wij相乘得到预测向量 然后， DightCaps层中第j个胶囊的输 出vj由下式(1)与式(2)计算得到， 其中， j∈{1,2,. ..,10}； 其中， cij为路由系数， 通过路由协议得到， 如下式(3)所示； biz表示参数bij中j＝z的情 况， z∈{1,2, ...,10}， 参数bij,初始状态为0， 之后根据路由协议动态更新， 如式(4)所示， 共 进行2次路由协议的迭代； DightCaps层中每个输出 向量vj表示一个类， 向量模长表示输入图像属于此类的概率； 式(2)中的非线性函数保证了短向量收缩至0而长向量接近于1； 上述胶囊网络架构简称为 架构A； 在架构A的基础上， 多通道秘密 传输具体步骤如下： (1)按架构A所述构建用于信息隐藏的胶囊网络架构； (2)设共有n个接收者， 构建n个全连接层分别作 为n个接收者的信息提取网络； 此n个信 息提取网络均连接在架构A的预测向量 上； 将预测向量 上连接了n个信息提取网络的 架构A简称为架构B； (3)设{K1,K2,...,Kn}分别为各接 收者的密钥， 利用密钥{K1,K2,...,Kn}分别产生信息 提取网络的n个全连接层参数； 参数产生后在网络训练过程中保持不变； (4)设需要向n个接收者传送的秘密信息向量分别为{M1,M2,...,Mn}， Mr＝[mi(1),mr (2),...,mr(t)]T∈{0,1}t， r∈{1,2,...,n}， 即各秘密信息向量均包含t 个任意的二进制比 特； 设在步骤(3)中n个信息提取网络的输出向量分别为 其中权　利　要　求　书 1/2 页 2 CN 114338093 A 2即n个信息提取网络的输出向量均包含t个取值在0 到1之间的小数； (5)胶囊网络的损失函数由两部分组成， 如式(5)与(6)所示， 其中Lτ为原始胶囊网络的 损失函数， 用于保证网络的分类精度， 而LM用于促进信息嵌入； 参数β ＝1.5用于调整两部分 损失的比重， 其 值越大越利于 秘密信息的嵌入， 但不利于网络分类精度， 反 之亦然； L＝β·LM+Lτ        (5) (6)以{M1,M2,...,Mn}为指导， 以最小化式(6)所示的损失为目标， 利用训练集图像训练 架构B； 其中训练集图像可以从MNIST图像数据集、 CIFAR10图像数据集、 ImageNet图像数据 集等获得； 选用何种图像数据集不为本发 明内容， 在图像数据集已选定的情况下， 通过训练 架构B来在架构A中嵌入n份不同的秘密信息{M1,M2,...,Mn}； (7)训练所 得到的架构A即为可同时向n个接收者传送不同秘密信息的含密 胶囊网络 。权　利　要　求　书 2/2 页 3 CN 114338093 A 3