1.一种查询高效的图像编码器窃取方法，其特征在于：所述方法以预设的查询量，从目标编码器获取部分数据的输出特征，将输出特征作为窃取模型的外部监督信号；构建窃取模型和对窃取模型的特征输出进行扰动的扰动模块，基于查询数据得到的外部监督信号和未查询数据的自学习机制构建联合损失函数对窃取模型和扰动模块进行优化；以优化后的窃取模型实现图像编码器窃取攻击；方法包括以下步骤：S1 将数据集划分为查询集和未查询集；

S2 查询目标编码器，获取查询集中样本的特征向量；

S3 构建窃取模型，窃取模型的结构与目标编码器相同或不同；构建可学习的扰动模块，对窃取模型的特征输出进行扰动；扰动模块包括一个包含两层隐藏层的多层感知器；模型训练过程中学到的扰动逐渐减小；

S4 基于联合损失函数优化窃取模型和扰动模块；联合损失函数包括跨模型对齐损失、自学习损失 和扰动损失 ，满足，；

S5 以优化后的窃取模型实现图像编码器窃取攻击。

2.根据权利要求1所述的一种查询高效的图像编码器窃取方法，其特征在于：S1中，查询集中的样本少于未查询集中的样本。

3.根据权利要求1所述的一种查询高效的图像编码器窃取方法，其特征在于：所述可学习的扰动模块配合设于窃取模型的输出层。

4.根据权利要求1所述的一种查询高效的图像编码器窃取方法，其特征在于：跨模型对齐损失 为将查询集的样本及其对应的增强后的样本作为训练数据，分别输入目标编码器和窃取模型；每一轮训练中，基于均方误差计算窃取模型与目标编码器输出的差异，优化窃取模型的参数。

5.根据权利要求1所述的一种查询高效的图像编码器窃取方法，其特征在于：自学习损失 为对数据集的所有样本进行随机数据增强，以数据集的所有样本及其增强后的样本输入窃取模型，构造自学习损失函数，基于损失函数优化窃取模型的参数。

6.根据权利要求1所述的一种查询高效的图像编码器窃取方法，其特征在于：扰动损失分别获取目标编码器与扰动模块对查询集的样本的均方误差、窃取模型与扰动模块对数据集的所有样本的均方误差，基于两者之和优化窃取模型的参数。

7.一种权利要求1 6之一所述的查询高效的图像编码器窃取方法的应用，其特征在于：~

基于优化后的窃取模型实现图像编码器的防御演练并应用于安全模块的开发。

8.根据权利要求7所述的应用，其特征在于：在目标编码器中，通过数据增强将结构水印集成到提取的特征中并训练增强预测器。