一种基于差分DCT系数对直方图的图像取证方法

提出了一种基于差分DCT域系数对直方图的图像拼接篡改检测方法.该方法首先对图像进行DCT变换,而后分别计算DCT系数矩阵的水平、垂直、主对角线、副对角线四个方向的差分DCT系数矩阵,并对得到的差分DCT系数矩阵进行系数对直方图化,提取特征向量.最后,利用支持向量机对真实图像和篡改后的图像进行分类识别.实验结果表明,在相关的测试数据集上,和现存的一些算法相比,该方法不仅具有较低的计算复杂度,同时,其检测性能在目前所有提出的算法中达到最高,性能优良.

基于隐私保护的数字图像取证外包技术框架研究

将数字取证服务外包给云有利于满足公众和各类机构的鉴别服务需求,也是数字取证技术发展的必然。然而这也带来了隐私泄露的风险。在已有的相关领域的研究基础上,给出了具有隐私保护能力的数字图像取证云平台的系统框架,并对Copy-move检测、图像来源鉴别和基于自然图像统计特性的篡改检测3种数字图像取证技术给出了隐私保护实现框架,进而探讨了隐私保护的数字图像取证可能的发展方向。

CFA插值中预测误差方差在图像取证中的应用

针对数字图像取证中自然图像(PIM)和计算机生成图像(PRCG)识别方案的特征维数高、通用性差等问题,提出一种基于滤色器阵列(CFA)插值中预测误差方差分析的图像取证方案.首先,对CFA插值过程中的预测误差方差进行傅里叶谱分析,根据是否存在明显的周期性峰值现象来区分PIM和PRCG;然后,对傅里叶谱中周期性峰值模型进行分析,根据峰值特征来识别PIM的来源设备;最后,在哥伦比亚大学自然图像和计算机生成图像数据库ADVENT上进行实验,结果表明,该方案能够精确区分PIM和PRCG,对PIM来源设备(佳能、尼康和索尼)的识别率可高达93%.

数码翻拍图像取证算法

随着图像显示技术的不断提高,对显示媒介显示的图像,如高质量打印出的图像和LCD显示器显示的图像,进行翻拍所获得的图像质量也越来越高。这类高质量造假图像可能被造假者用于非法途径,且往往能通过当前的图像取证系统而不被识别。针对LCD显示器显示的图像的翻拍检测情况做了研究。通过分析原始获取图像过程和翻拍获取图像过程引入的噪声,以及检测两次翻拍产生的双重JPEG压缩,利用SVM(支持向量机)获得了很好的分类结果。

基于深度学习的数字图像取证技术研究进展

随着数字图像篡改技术不断的革新换代,传统的取证方法已经无法对抗最新的多媒体篡改手段和技术,尤其是深度造假及深度学习技术带来的全新挑战。总结提炼了包括图像预处理模块、特征提取模块及分类结果后处理模块的通用数字图像取证框架,并在提出的框架基础之上分析现有相关研究的优缺点,同时归纳了数字图像取证面临的挑战并指明未来的发展方向。

高速公路ETC稽查大数据图像取证系统

针对高速公路ETC收费稽查图像取证的需求,开发了高速ETC稽查大数据图像取证系统,能够自动分析海量收费车道抓拍图片的车型数据并自动进行比对发现逃费车辆。

数字图像取证技术的发展

随着图像处理技术的快速发展,数字图像被广泛地应用于互联网.与此同时,视觉上难以觉察的篡改图像也日益泛滥.数字图像被动取证作为一种不依赖任何预签名提取或预嵌入信息来鉴别图像真伪和来源的技术,正成为多媒体安全领域新兴的研究热点,有着广泛的应用前景.

数字图像取证技术研究进展综述

本文着眼于数字图像取证技术的研究成果,对数字图像取证技术的研究进展进行了系统的论述.从光学一致性、传感器规律一致性、图像篡改时留下的痕迹或成像时留下的痕迹以及统计特征一致性四个方面对基于内在一致性的传统数字图像取证技术进行了概述;从简单的模型迁移、对模型输入层的修改以及模型架构的修改三个方面对深度学习的图像取证技术进行了阐述.最后,本文对现在数字图像取证技术存在的挑战进行了概括,并展望了取证技术的发展方向.在各种媒体环境中充斥着效果逼真的伪造图像的环境中,对图像取证技术的了解可以让人们更加理性地认识“眼见为实”的观念,提高人们的媒体安全意识.

数字图像取证的关键技术分析

本文主要研究数字图像取证关键技术,分析对数字图像可靠性和真实性造成影响的模糊技术与篡改技术,提出相关验证方法和检测技术,鉴定数字图像真实性。此外,本文介绍了数字图像取证关键技术的应用原理,并简单介绍数字图像设备,简述设备的特征以及存在的不足,进而阐述检测图像篡改的有效方法和运行原理。

基于张量分解的数字图像取证

提出一种基于张量分解的数字图像盲检测方法,从全局处理角度对JPEG压缩数字图像进行真伪盲检测。对于来自某一相机拍摄的一批参考图像组成的张量,利用张量分解的方法,从分解残差中分析提取图像特征,通过支持向量机分类器鉴别待检测图像是否直接来自该数码相机。实验结果表明,该方法对数字图像的来源鉴定具有较高准确性和较强的鲁棒性。

数字图像取证技术中的鉴别方法分析

从人们的生活能够了解到,数字图像属于信息载体,其中存在了一目了然且直观的信息,但是因为人们在图像修改上有着一定需求,这使得图像处理软件技术变得十分成熟。如此一来,人们所看到的图像已经无法通过肉眼辨别出这你家,如此则需要采取更为有效的方法与手段进行鉴别,而数字图像取证技术便能够充分发挥出自身的作用。基于此,本文就针对数字图像取证技术的相关内容进行探讨,首先阐述数字图像取证技术的定义,然后论述数字图像取证技术的类型,再分析计算机生成图像取证技术,最后展望数字图像取证技术未来发展前景。

图像USM锐化取证与反取证技术综述

反锐化掩膜(unsharp masking,USM)锐化是图像编辑中改善图像视觉清晰度的一种常用操作。然而,若将这一操作应用到篡改司法证据或者公共事件图片等场景,则会造成严重危害。近年来,图像取证领域的研究者已经提出许多USM锐化取证与反取证的方法,本文对该领域文献进行系统性综述。首先阐述USM锐化操作的基本原理,然后从算法实现原理角度对现有的USM锐化取证与反取证方法进行分类总结,接着介绍相关文献常用的数据集,并对现有方法的性能进行对比评价,最后分析现有方法面临的挑战并对未来的研究方向进行展望,主要包括以下几个方面:使用新的数据集,深入取证与反取证博弈的研究,深入研究锐化反取证,注重取证方案的执行效率,提高反取证的可靠性。

基于双向生成对抗网络的感知哈希图像内容取证算法

传统的感知哈希算法通过提取图像特定属性生成感知哈希序列,难以充分利用原始图像全部特征信息,影响了基于感知哈希的图像内容认证与版权保护能力.本文提出一种基于双向生成对抗网络(Bidirectional Generative Adversarial Network,BiGAN)的无监督感知哈希图像内容取证算法,基于编码网络、生成网络和判别网络间的双向迭代对抗,生成具有较强图像语义特征表示能力的感知哈希码;并通过在编码网络和生成网络间添加跳接层网络结构,将原始图像不同维度的特征信息传递到生成网络,提高生成网络语义特征学习能力与网络收敛速度;同时,在对抗损失中添加MSE误差损失,增强生成图像的视觉质量与细节表示能力;最后,基于网络间的多重迭代与对抗训练,输出兼具相同内容图像认证鲁棒性和不同内容图像区分敏感性的高性能图像感知哈希码.本研究首次采用大型图像数据库进行算法性能评价,实验结果表明基于双向生成对抗网络的感知哈希图像内容取证算法与当前其他优秀研究方案相比具有更强的图像内容取证性能.

面向图像修复取证的U型特征金字塔网络

图像修复是一种常见的图像篡改手段,而基于深度学习的图像修复方法能生成更复杂的结构乃至新的对象,使得图像修复取证工作更具有挑战性。因此,提出一种端到端的面向图像修复取证的U型特征金字塔网络(FPN)。首先,通过自上而下的VGG16模块进行多尺度特征提取,并利用自下而上的特征金字塔架构对融合后的特征图进行上采样,整体流程形成U型结构;然后,结合全局和局部注意力机制凸显修复痕迹;最后,使用融合损失函数以提高修复区域的预测率。实验结果表明,所提方法在多种深度修复数据集上的平均F1分数和IoU值分别为0.7919和0.7472,与现有的基于扩散的数字图像修复定位(LDI)、基于图像块的深度修复取证方法(Patch-CNN)和基于高通全卷积神经网络(HP-FCN)方法相比,所提方法具有更好的泛化能力,且对JPEG压缩也具有较强的鲁棒性。

结合自注意力与卷积的真实场景图像篡改定位

图像是移动互联网时代传播信息的重要载体,恶意图像篡改是潜在的网络安全威胁之一。与自然场景中在物体尺度上的图像篡改不同,真实场景中的图像篡改存在于伪造的资质证书、文案、屏幕截图等,这些篡改图像通常会经过精心的手工篡改干预,因此其篡改特征与自然场景篡改特征存在差异,更具有多样性,对其篡改区域的定位更具有挑战性。针对该场景复杂且多样的篡改特征,丰富的关系信息是重要的,文中通过卷积神经网络进行自适应特征提取,并利用逆向连接的全自注意力模块进行多阶段特征关注,最后融合多阶段注意力关注结果进行篡改区域定位。所提方法在真实场景图像篡改定位任务中取得了优于对比方法的性能,其中F 1指标比主流方法MVSS-Net高出约8.98%,AUC指标高出约3.58%。此外,所提方法在自然场景图像篡改定位任务中也达到了主流方法的性能,并提供了自然场景篡改特征与真实场景篡改特征存在差异的佐证。在两种场景中的实验结果表明,所提方法能够有效地定位出篡改图像的篡改区域,且在复杂的真实场景中的定位效果更显著。

多色彩通道特征融合的GAN合成图像检测方法

当前,生成对抗网络(Generative Adversarial Networks,GAN)合成的逼真图像难以识别,严重危害国家网络安全及社会稳定.与此同时,多数基于深度神经网络模型设计的检测器需要大规模训练样本,且存在模型可解释度不高、泛化性能差等问题.为了克服上述亟待解决的关键性难题,本文提出一种多色彩通道特征融合的GAN合成图像检测方法.首先,探索分析真实自然图像和GAN合成图像在不同色彩空间相邻像素之间的差异,并设计差异度量算法,完成色彩通道选择.其次,利用图像像素间的高度相关性,在八个方向上通过二阶马尔可夫链对相邻像素之间的差分数组进行建模,提取差分像素邻接矩阵特征.最后,利用上述特征,设计一种简单且高效的集成分类器完成GAN合成图像的检测任务.在基于StyleGAN模型合成的伪造人脸数据集中,所提出方法的检测准确率高达100.00%;在小样本训练约束条件下,正负样本对数仅仅为2时,检测准确率高达99.65%;在单类样本训练约束条件下,正样本数仅仅为50时,检测准确率高达92.84%.在基于更先进的StyleGAN2和PGGAN模型合成的伪造场景数据集中,所提出方法的检测准确率达到99.96%以上.以上大量实验表明,本文所提出的方法明显优于比较的GAN合成图像检测方法.本文方法已经开源:https://github.com/cyxcyx559/ccss.

JPEG原图重构取证方法

数字图像已被广泛用于办理各类网上业务和作为司法证据。与此同时,利用流行的图像编辑软件,普通用户就可以对图像进行语义篡改而不留下视觉痕迹。因此,对数字图像的原始性和真实性进行辨识已成为迫切的应用需求。基于元数据的图像篡改取证方法因准确性高、计算量小而得到重视。然而,原图重构技术(例如应用MagicEXIF元数据编辑器)的出现使上述方法完全失效。针对这一问题,本文提出一种JPEG图像原图重构取证方法,用于检测图像是否受到重构攻击。通过分析原图重构的过程,以及重构前后图像的像素统计特征差异,本文对深度学习隐写分析模型SRNet(Steganalysis Residual Network)进行轻量化改进:裁剪其冗余的下采样层以减少参数,引入通道注意力机制以提高对关键特征的提取能力,并采用知识蒸馏的方法进一步提升模型的准确率。进一步地,通过分析重构对不同颜色分量的影响,采用YCbCr颜色分量作为模型输入,以提高检测性能。为测试算法的性能,我们收集了由不同品牌和型号的手机拍摄的图像数据,构建了大规模重构图像数据库。实验表明,本文提出的模型在参数量显著减少的情况下性能优于流行的模型,对512×512大小的图像可取得98%以上的检测正确率,且具有良好的跨设备泛化能力。同时,通过应用迁移学习,本文方法对不同版本的重构软件也具有较好的泛化性。

基于目标检测约束的图像过滤方法研究

图像过滤方法通过分析和匹配图像特征,检索得到可疑篡改来源图像,分析篡改图像和篡改来源图像的派生关系。本文提出一种基于目标检测约束的图像过滤方法,首次整合了目标检测算法和分布式加速的鲁棒特征索引,一方面利用目标检测算法使得特征检索范围得到约束,另一方面采用分布式局部特征提取方法,有效提高了图像特征检索的效率和准确度。此外,使用尺度可变的有约束图像拼接检测与定位网络在图像特征检索基础上进行深度匹配,进一步对篡改区域和篡改来源区域进行精确查找。实验结果证明,本文算法在篡改图像检索准确性、查询效率方面有明显改进。

非现场超限超载行为电子取证流程与技术研究

本研究探讨非现场超限超载行为电子取证的流程与技术,通过分析电子信息的采集、验证、固化与审核,以及案件立案的流程,结合称重设备、图像和视频取证技术的应用,提出一套有效的电子取证方法。采用案例分析和技术测试相结合的方法,验证了所提取证流程和技术的有效性。电子取证方法能够提高超限超载违法行为取证的准确性和效率,为相关执法部门提供了强有力的技术支持。

图像伪造中模糊操作的异常色调率取证技术

数字图像取证技术是对图像的完整性和真实性进行鉴别.通过分析由成像系统形成的局部色彩相关性,利用成像系统和模糊操作在数字图像局部色彩属性的差异,定义数字图像异常色调集合和异常色调率的概念,提出了一种基于异常色调率的数字图像取证技术.实验表明,该方法能够有效地检测出对数码相机拍摄图像进行模糊操作的痕迹,并能够对经过模糊操作的图像局部进行准确判断.