1、本文針對機器學(xué)習(xí)在視頻水印中的應(yīng)用進行了研究，主要是支持向量機與集成學(xué)習(xí)在其中的應(yīng)用，首先通過對視頻水印常遭受的攻擊進行分類，然后根據(jù)每一類給出了應(yīng)有的防范方法，重點分析了視頻水印最容易遭受，也是最多的攻擊，共謀攻擊。對現(xiàn)階段國內(nèi)外對抗共謀攻擊的研究進行了總結(jié)，對典型算法進行了分析，為未來的共謀攻擊思路提供了新方向。
　　 根據(jù)視頻是由多幀組成，不同的幀可以根據(jù)不同的算法嵌入水印的特性，設(shè)計了多水印多算法，以此來提高單一算法魯棒

2、性弱的缺陷（即是單一算法不可能抵抗所有的攻擊），提高視頻水印的魯棒性。
　　 有了清晰的分類方法，并有每一種攻擊的防范策略，設(shè)計出了多種水印算法，分析了集成學(xué)習(xí)在數(shù)字視頻水印中的應(yīng)用前景與契合點，使得設(shè)計出智能型地選擇出多種水印算法成為可能。
　　 然后在此基礎(chǔ)上，根據(jù)視頻的特征，視頻的紋理特性，提出了一種基于HVS的視頻水印算法，使不可見性與魯棒性達到最好的折衷，為支持向量機在數(shù)字水印中的應(yīng)用打下了基礎(chǔ)。