Las técnicas tradicionales de marca de agua extraen la marca de agua de una imagen sospechosa, permitiendo que la información de derechos de autor sobre el propietario de la imagen sea identificada a simple vista o por métodos de estimación de similitud como la tasa de error de bits y la correlación normalizada. Sin embargo, este proceso debería ser más objetivo. En este documento, implementamos un modelo basado en tecnología de aprendizaje profundo que puede identificar con precisión los derechos de autor de la marca de agua, conocido como WMNet. En el pasado, al establecer modelos de aprendizaje profundo, se necesitaba recopilar una gran cantidad de datos de entrenamiento. Mientras construíamos WMNet, implementamos un proceso simulado para generar una gran cantidad de marcas de agua distorsionadas, y luego las recopilamos para formar un conjunto de datos de entrenamiento. Sin embargo, no todas las marcas de agua en el conjunto de datos de entrenamiento podían proporcionar adecuadamente información de derechos de autor. Por lo tanto, de acuerdo con las restricciones establecidas, dividimos las marcas de agua en el conjunto de datos de entrenamiento en dos categorías; en consecuencia, WMNet pudo aprender e identificar la información de derechos de autor que contenían las marcas de agua, para ayudar en el proceso de verificación de derechos de autor. Incluso si la información de marca de agua recuperada era incompleta, la información de derechos de autor que contenía aún podía interpretarse de manera objetiva y precisa. Los resultados muestran que el método propuesto por este estudio es relativamente efectivo.