随着人工智能技术的迅速发展,深度学习被广泛应用在众多领域,深度神经网络模型在其中扮演着重要角色。深度神经网络模型的构建需要不断地试验和优化,并且投入了大量的时间和算力,然而具有较大价值的深度模型容易被复制和侵权。因此,研究如何保护具有良好性能的深度神经网络模型的知识产权显得尤为重要。水印技术是保护深度神经网络模型版权的重要手段之一,本文利用信息隐藏技术设计了特殊触发集,提出基于触发集的图像分类模型版权保护算法。结合图像版权保护的零水印术,提出神经网络模型版权保护的零水印方案。本文的主要工作如下:（1）针对神经网络模型水印安全性较弱的问题,本文提出了基于触发集的图像分类模型版权保护的黑盒水印算法。该算法利用信息隐藏技术将作者的版权信息隐藏到少量不同于原始训练数据的抽象样本中,与任务样本一起进行训练,在保证原始模型准确率的基础上,将水印嵌入到深度神经网络（DNN）中.在VGG、ResNet、GuogLeNet等网络上进行测试实验,结果表明该算法适用于分类任务的模型的版权保护、能够抵御模型修改攻击,保证了神经网络模型水印的安全性。（2）传统嵌入式水印方法虽然保证了水印的安全性但也因此影响了输出结果的准确率,针对此问题本文提出了基于零水印的神经网络模型版权保护算法。该算法首先提取神经网络的特征图,为增加安全性利用Arnold 置乱方法对版权图像进行置乱,随后通过异或操作构造零水印并进行版权认证。在CIFAR-10数据集上利用本文提出的零水印方法对VGG网络、ResNet网络进行测试实验,实验结果表明,该算法在保证网络模型性能不受影响的同时能够满足模型版权保护的需求。