随着数字产品在GDP中所占的比例越来越高,数字产品的非法传播给其所有者带来了严重的经济损失。为了加强对数字产品的保护,研究者们研发了许多溯源防泄密的应用,其主要原理是基于信息隐藏算法。而传统的信息隐藏方法仅仅只在其设计的领域是有效的,基本上不具备泛化能力,因此亟须一种有效的方法来加强对数字产品的保护。研究发现,神经网络对输入图像的微小扰动高度敏感,可以利用这一功能来实现信息的隐藏。为了解决图片在传输过程中因为旋转、透视变换等引起的图片失真问题,本文基于深度学习模型设计了一套溯源小程序系统。系统包含一个编码器（Encoder）、一个检测器（Detector）和一个解码器（Decoder）。其中编码器负责将传入的图片和需要隐藏的水印信息转换成编码图片（包含水印信息和定位点的图片）,检测器基于设计的轻量级目标检测网络,负责从上传的编码图片中检测出定位点。解码器主要根据定位点和图片,首先对图片进行几何校正,然后使用解码器网络从校正后的图片中获取水印信息。为了增强检测的准确性和实用性,基于前后端分离的思想,利用微信小程序的即用即走的设计思想,将检测器设计成了一个方便管理的小程序系统,通过该系统,识别上传的失真图片,通过将解码的密文与数据库进行对比,得到图片中隐藏的源头信息,达到溯源、防泄密的目的。在测试阶段,检测器模型在自制的VOC测试集上m [email protected]达到90以上,Recall可达95以上。在实际测试中,使用手机拍摄图片,然后使用小程序系统进行检测,结果表面,在大多数情况下,系统都能准确的识别屏幕中隐藏的用户信息。