Para resolver el problema de la robustez de los algoritmos de marca de agua de imágenes médicas encriptadas, se propone un algoritmo de marca de agua cero basado en la transformada discreta del coseno (DCT) y una red neuronal convolucional DarkNet53 mejorada. El algoritmo se enfoca en imágenes médicas en el dominio encriptado. En este algoritmo, se realiza la DCT en la imagen médica encriptada para extraer características de 32 bits como característica 1. Se eligió DarkNet53, una red pre-entrenada, para el aprendizaje de migración para el modelo de red. La red utiliza una capa totalmente conectada y una capa de regresión en lugar de la capa Softmax original y la capa de clasificación, convirtiendo la red de clasificación original en una red de regresión con una salida de 128. Con estas transformaciones, se pueden extraer características de 128 bits de imágenes médicas encriptadas por esta red, y luego se realiza la DCT para extraer características de 32 bits como característica 2. La fusión de las características 1 y 2 puede mejorar efectivamente la robustez del algoritmo. Los resultados experimentales muestran que el algoritmo puede distinguir con precisión diferentes imágenes médicas encriptadas y puede restaurar efectivamente la información original a partir de la información de marca de agua encriptada bajo ataques tradicionales y geométricos. En comparación con otros algoritmos, el método propuesto demuestra una mejor robustez e invisibilidad.