近日，我院程航教授、王美清教授等合作完成的3项重要学术研究成果在多媒体和人工智能安全领域相关国际顶级期刊上以第一作者、通讯作者、福州大学第一署名单位发表/录用。

成果一：黑盒场景下抗合谋攻击的模型安全分发框架

针对深度神经网络模型所有权保护问题，该成果设计了一种基于用户级和模型级的双重指纹机制，可提供粗粒度和细粒度的产权验证，并实现黑盒下的所有权朔源和验证。同时，基于深度神经网络的内部结构和前向传播过程，设计了两种模型等价变换算法，可确保在不影响目标模型性能的前提下实现对合谋攻击的主动防御，即严重破坏合谋后模型的性能，使其无法正常使用，从根本上抵御合谋攻击。此外，通过设计一个相似性损失项来抵御针对等价变换算法的逆向攻击，进一步提高所提等价变换算法的安全性。

该成果已被视频图像处理领域国际顶级刊物（中科院一区TOP期刊）IEEE Transactions on Circuits and Systems for Video Technology正式见刊发表，作者为福州大学的程航、李溪滨（研究生二作）、刘西蒙、王美清，新加坡南洋理工大学的王华雄，复旦大学的张新鹏和上海电力大学的栗风永。

Cheng H., Li X., Wang H., Zhang, X., Liu, X., Wang, M., & Li, F. DeepDIST: A Black-box Anti-collusion Framework for Secure Distribution of Deep Models[J]. IEEE Transactions on Circuits and Systems for Video Technology (IEEE TCSVT), 2024, 34(1): 97-109.

成果二：轻量级隐私保护外包脑电信号特征提取框架

针对外包脑电（脑电）信号的特征提取可能会导致的隐私信息泄露问题，该成果提出一套高效的隐私保护外包脑电信号特征提取方案。具体来说，该成果使用安全多方计算技术构建了多个安全外包计算协议以实现高效且安全的密文域计算。然后，提出了基于任务相关成分分析的安全空间滤波技术，用于提高加密脑电信号的信噪比，以便增强后期提取出的脑电信号特征的有效性。此外，设计了一种基于Pearson相关系数的安全特征提取技术，实现了高效的外包加密脑电信号的特征提取。

该成果已被物联网领域国际顶级刊物（中科院一区TOP期刊）IEEE Internet of Things Journal正式见刊发表，作者为福州大学的颜娜招（研究生一作）、程航（导师）、刘西蒙、陈飞、王美清。

Yan N., Cheng H.*, Liu X., Chen F., & Wang M. Lightweight Privacy-Preserving Feature Extraction for EEG Signals Under Edge Computing[J]. IEEE Internet of Things Journal (IEEE IOTJ), 2024, 11(2): 2520-2533.

成果三：基于可逆神经网络的图像超分辨率隐写方法

针对无损图像隐写问题，该成果提出了一种基于可逆神经网络的图像超分辨率隐写方法，该方法在可逆神经网络的输出端生成像素数量等于载体图像和秘密图像之和的高分辨率含密图像，从而避免了额外噪声的产生，在提取阶段实现了秘密信息的无损恢复。此外，该成果还引入了一种映射模块，利用标准化流对秘密信息进行编码，将差异较大的不同秘密图像映射为同分布的高斯噪声，以提高含密图像的质量及其抗检测能力。该成果所提出的无损图像隐写方法为隐写术在隐蔽通信中的应用提供了更广阔的空间，接收方完全可以获取发送方所隐藏的信息。

该成果已被图书情报及计算机领域国际顶级刊物（中科院一区TOP期刊）Information Processing & Management录用，作者为福州大学的王廷锵（研究生一作）、程航（导师）、刘西蒙、许永亮、陈飞、王美清、陈姣伶。

Wang T., Cheng H.*, Liu X., Xu Y., Chen F., Wang M., Chen J. (2024). Lossless Image Steganography: Regard Steganography as Super-Resolution, Information Processing & Management.