随着数字化技术的迅速发展以及互联网日益普及,作为信息重要载体的数字图像、音视频逐渐成为日常生活中不可或缺的因素,在社交平台、商业广告、影视产业中随处可见。其中,相当一部分数字信息由于成本、用途等原因具有较高的保护价值,数字水印技术作为一种产权保护、泄露溯源的有效手段渐渐受到重视,越来越多的电影、广告厂商选择采用合适的数字水印技术来保护己方产品。与此同时,部分厂商在对某些数字信息进行商用之前,希望检测数字信息是否包含版权信息,若检测结果显示该内容受到保护,则厂商可通过申请授权或者放弃使用等手段,避免版权纠纷。本课题来源于水印攻防合作项目,实际需求主要有两个大的出发点,一个是对己方数据进行水印嵌入保护,另一个是对第三方数据进行水印检测,从而避免侵权使用第三方数据而引发纠纷。在版权保护方面,本文采取校正模板与嵌入算法组合的方式,设计了一个综合的水印嵌入方案,其中校正模板基于图像傅里叶频谱进行设计,利用其若干优良性质,解决水印图像编解码端的重同步问题,能够准确恢复受到几何攻击的水印图像;嵌入算法采用深度学习的方式实现,从网络结构与训练方式两方面入手确保算法对于JPEG压缩的鲁棒性。在水印检测方面,本文基于深度学习技术设计了一种分步隐写分析卷积神经网络,并借助当前已有的优化手段进一步提升网络检测准确率,算法在目标数据集上达到99%以上的检测精度,且在部分数据集上表现出良好的泛化性能。