1.一种基于稳定扩散模型的生成式不可见水印方法，其特征在于，基于稳定扩散模型Stable Diffusion，在将文本生成图像的过程中嵌入不可见水印，包括以下步骤：首先、输入文本提示/图像提示，依次经分词器和文本编码器处理后，得到嵌入向量表示，即是潜变量 ；

前向扩展过程中，利用所得潜变量 来指导生成图像，先通过变分自编码器VAE中的编码器E将图像转换为低维潜在表示，变分自编码器VAE中的解码器D将低维潜在表示转换为图像；依据低维潜在表示生成潜在噪声，结合潜在噪声和低维潜在表示进行多次迭代生成含噪声图像；

该过程中，利用预训练的水印解码器来微调变分自编码器VAE中的解码器D，从而在生成的图像中嵌入微调后的权重水印；同时，在稳定扩散模型Stable Diffusion生成图像时，使用变分自编码器VAE将图像压缩为潜在噪声，再将所得潜在噪声进行小波变换得到噪声水印，并将噪声水印信息映射为环状图案水印并嵌入到噪声低频子带；

反向扩散过程中，将低维潜在表示输入UNet，UNet收到后进行逐步去除噪声恢复图像；

最后，利用含有水印噪声进行图像生成，得到含水印图像 ；

上述过程中，在生成环状图案水印并嵌入到噪声低频子带时，直接修改潜在噪声的分布特征，向潜在噪声分布上映射水印信息，使得只需将图像重新压缩到噪声空间就可提取水印信息，得到水印向量；具体方法为：步骤1）、根据用户给出的水印形状参数，通过稳定扩散模型Stable Diffusion生成相应形状的水印潜在向量表示，即初始噪声向量；

步骤2）、对生成的水印潜在向量表示进行小波变换，得到低频子带 ，如下式：

；

表示信号 在尺度因子为 和位移因子为 下的小波系数，反映信号在不同频率和时间位置的特征， 表示小波函数；

步骤3）、基于低频子带和水印参数，更改初始噪声向量的概率分布，然后构造圆环状水印信息m，将其嵌入图像得到含水印图像 ，具体内容为：在多比特水印与圆环图案设计映射函数，每个圆环边界都会被赋予不同的特殊值，环状水印由多个同心圆构成，将对低频子带上固定位置上的数值进行修改，使其呈现环状图案，并且，将多比特水印分别对应每一个圆形图案，半径为1到R的圆环对应1到R的多比特水印，根据设计的二进制掩码对分解后的低频向量进行采样，掩码中嵌入水印位置值为1，其他位置为0，根据嵌入的比特水印，一一对应向每个圆上进行赋值。

2.根据权利要求1所述的基于稳定扩散模型的生成式不可见水印方法，其特征在于，所述稳定扩散模型Stable Diffusion包括文本编码器、变分自编码器VAE和UNet；所述文本编码器将输入的文本提示转换为潜在嵌入向量表示；所述UNet包括编码器和解码器，编码器和解码器均设有ResNet块和交叉注意层，编码器将图像表示压缩为低分辨率的图像，解码器将低分辨率图像解码回高分辨率的图像；且编码器的下采样 ResNet 块和解码器的上采样 ResNet 块设有快捷连接。

3.根据权利要求1所述的基于稳定扩散模型的生成式不可见水印方法，其特征在于，对变分自编码器VAE中解码器进行微调时使用的水印解码器微调基于HIDDEN网络，并联合优化水印编码器和提取器网络的参数，将k位消息嵌入到图像中，完成潜在扩散结束后得到的潜在向量z被输入到解码器D中以产生图像；具体内容为：首先，训练原始图像x被送入扩散模型的编码器E，得到原始图像x的潜在噪声含 ，使用解码器D从 恢复图像得到图像x’，然后使用预训练的水印解码器从图像x’中提取权重水印，直至初始训练水印与提取后的水印的损失最小，则说明解码器D的权重已经被微调成功；

当再次使用扩散模型生成图像时，只需要更换解码器权重，就能生成带有水印的图像。

4.根据权利要求1所述的基于稳定扩散模型的生成式不可见水印方法，其特征在于，在反向扩散过程中，反演采样的每一个时间步长内，均采用梯度优化策略，基于对抗学习最小化编码器和解码器之间的重构误差损失，反演采样的迭代过程中，不断调整水印向量的潜在表示；

此处，通过均方误差损失函数来计算误差损失，公式如下：

；

表示预测值， 为真实值，N是样本总数；

然后，使用随机梯度下降法对损失函数进行优化，优化公式如下：

；

表示损失函数， 表示预测值，y表示真实值，表示第j个参数，表示第j个特征值， 表示对参数 求偏导计算梯度；

；

表示在第t次迭代中模型的参数向量，即模型当前参数值， 表示第t+1次迭代后的参数向量， 表示学习率，控制每次更新的步长和参数更新幅度，表示梯度。

5.根据权利要求4所述的基于稳定扩散模型的生成式不可见水印方法，其特征在于，得到优化后的损失函数后，获得包含水印信息得到初始噪声向量，然后根据掩码mask和赋值参数S对水印信息M进行提取；提取水印时，需先对水印图像Image进行压缩，将其从像素空间转为潜在空间，然后经过T个时间迭代回到初始嵌入水印的噪声状态。