近日，计算机科学领域国际顶级刊物《IEEE Internet of Things Journal》 （一区TOP，IF 8.2）报道了人工智能学院机器视觉团队在医学图像可逆对抗样本隐私保护方向的研究进展，相关成果以“RAE-VWP: A Reversible Adversarial Example-Based Privacy and Copyright Protection Method of Medical Images for Internet of Medical Things”为题在线发表。

当今时代，图像已经成为我们日常生活中不可或缺的一部分。从社交媒体到医学领域，图像在信息传递和交流中都扮演着关键角色，未经授权的个人和公司可以使用深度神经网络（DNN）轻松收集、识别和分析医疗物联网（IoMT）上的医疗图像。非法使用这些数据会损害患者隐私和授权用户的权利，这也进而刺激了更多图像隐私保护技术的研究。

本文提出了一种基于可见水印扰动的RAE-VWP算法。具体地说，首先通过提出的显著图融合算法获得图像的水印嵌入区域（WER），并使用可逆数据隐藏技术保存该区域的信息。然后，提出的自适应记忆和声搜索算法被用来优化嵌入水印扰动的位置和透明度。最后，通过使用阿尔法混合技术将水印扰动嵌入到图像的WER中来生成RAE。为了提升水印的鲁棒性，本文通过使用集成水印疫苗技术来抵御来自水印去除网络的攻击，显著提高了RAE-VWP的鲁棒性。通过提取RAE中保存的信息，可以无失真地恢复原始图像。大量实验表明，RAE-VWP可以同时保护图像隐私和版权，具有良好的可逆性。

图1 生成方案框架图

图2 水印扰动嵌入过程

图3 实验测试结果

河南大学人工智能学院为该论文的第一单位，机器视觉团队学生陈震为第一作者，河南大学人工智能学院柴秀丽教授和南京航空航天大学计算机科学与技术学院张玉书教授为通讯作者。该研究工作为河南大学、南京航空航天大学、河南大学淮河医院的联合研究成果，受到国家自然科学基金、河南省科技攻关项目的支持。

论文链接：https://ieeexplore.ieee.org/document/10460291