检索结果-南通市图书馆

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于双流CNN的帧内取证深度学习算法研究

计算机仿真 2023年第1期40卷 259-266页

作者：贺琨李智王国美张健贵州省智能医学影像分析与精准诊断重点实验室贵州贵阳550025 贵州大学计算机科学与技术学院贵州贵阳550025

针对视频被动取证领域中视频内容真实性鉴定问题,提出了一个基于双流CNN帧内取证网络深度学习检测算法。根据视频在遭受篡改过程中必定会在视频帧上留下相应的篡改痕迹,利用两个CNN对输入视频帧进行特征提取,其中一个CNN借助隐写分析的... 详细信息

针对视频被动取证领域中视频内容真实性鉴定问题,提出了一个基于双流CNN帧内取证网络深度学习检测算法。根据视频在遭受篡改过程中必定会在视频帧上留下相应的篡改痕迹,利用两个CNN对输入视频帧进行特征提取,其中一个CNN借助隐写分析的思想,使用空域富模型对输入视频帧进行噪声残差提取,使网络专注于篡改痕迹特征的提取,另一个CNN基于篡改操作会使视频帧内容产生大幅变化,通过对输入视频帧的内容进行特征提取,从而监测视频帧内容的变化幅度,有效预测视频帧被篡改的概率。通过合并两个CNN所提取到的特征,并使用通道注意力机制调整两部分特征的通道权重,使得提出的帧内取证网络既能对视频帧的篡改特征进行有效地学习,又能通过内容特征对视频中每一帧的变化幅度进行监测,从而有效提高篡改检测的正确率。利用训练得到的深度学习模型来对输入视频进行篡改判定。实验结果表明,提出的帧内取证算法对不同场景下的复制粘贴类帧内篡改有着较高的识别正确率,达到99.08%,在FACC,F1-Score,篡改精确率等评估指标优于其它的视频取证算法。

关键词：帧内取证视频被动取证卷积神经网络空域富模型

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

数字图像复制粘贴检测算法研究

数字图像复制粘贴检测算法研究

作者：刘璐北京交通大学

学位级别：硕士

数字图像作为信息的主要载体变得越来越重要。然而,随着图像获取设备的普及和图像编辑软件的快速发展,近年来,数字图像造假事件层出不穷,不仅降低了图像的可信度,还给社会和个人带来了极大的负面影响。图像复制粘贴篡改是最常见的图像... 详细信息

数字图像作为信息的主要载体变得越来越重要。然而,随着图像获取设备的普及和图像编辑软件的快速发展,近年来,数字图像造假事件层出不穷,不仅降低了图像的可信度,还给社会和个人带来了极大的负面影响。图像复制粘贴篡改是最常见的图像篡改类型之一,具有操作简便、成效立现等特点,常被用于改变数字图像的语义信息。本文旨在通过研究图像复制粘贴篡改检测方法以达到保护图像内容真实和完整的目的。鉴于深度学习优秀的学习与分析能力,提出了两个基于深度学习的篡改检测方法,利用图像处理操作遗留的痕迹区分图像中的篡改区域与原始区域。一系列实验结果验证了本文方法的理论依据合理性、篡改检测、定位与类型区分的准确性。论文的主要工作包括:(1)提出了一种基于深度学习的图像复制粘贴篡改检测方法。方法采用预处理操作抑制图像内容的影响,同时利用图像分块操作分开了嵌合在一起的真实区域与篡改区域。二者结合,成功将卷积网络的学习目标改变为识别图像中具有不一致CFA(Color filtering array,彩色滤波阵列)特性的局部区域。之后,设计并实现了仅有单个卷积层的卷积网络以学习图像的CFA(Color filtering array,彩色滤波阵列)特性呈现在网络输入数据上的条纹(或网格)状的像素值分布特征。最后,通过消除背景区域内的误检图像块并补检检测到的区域内的漏检块,进一步提高方法的检测与定位准确率。实验结果表明,在Dresden图像库上做训练和测试,该方法达到了图像块级的97%的平均检测正确率与像素级的80%的平均定位准确率。(2)提出了一种基于深度学习的图像篡改操作类型区分方法。解决的问题是区分图像中的旋转篡改区域、缩放篡改区域和真实区域,属于三分类问题。方法沿用了第一个工作的检测框架和卷积网络结构,在此基础上改进了两方面:一是采用多种滤波方法获取了合起来全面、分开各有侧重的残差图像集,通过向卷积神经网络提供丰富且多样化的数据提升模型的分类性能。二是利用加权投票策略综合多个网络的分类结果,由此集结各模型的优势,打破单模型的局限性,进而提升方法性能。最后,对整合的分类结果做去误补缺操作以获取更准确的检测结果图。实验结果表明,该方法能有效定位出篡改图像中的旋转和缩放篡改区域,宏平均和微平均分别达到了 91.9%和91.8%。

关键词：复制粘贴篡改图像取证深度学习卷积神经网络颜色滤波阵列空域富模型组合网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

最小化失真隐写及隐写分析研究

最小化失真隐写及隐写分析研究

作者：孙宁重庆邮电大学

学位级别：硕士

隐写术与隐写分析研究是信息安全领域的重要课题。隐写术能从信息的根源上解决信息安全问题,隐写分析则是对隐写术进行攻击,能够阻止非法信息的传播,它们在维护国家安全和社会稳定方面具有重要作用。近年来,基于“失真函数+隐写编码”... 详细信息

隐写术与隐写分析研究是信息安全领域的重要课题。隐写术能从信息的根源上解决信息安全问题,隐写分析则是对隐写术进行攻击,能够阻止非法信息的传播,它们在维护国家安全和社会稳定方面具有重要作用。近年来,基于“失真函数+隐写编码”的最小化失真隐写成为研究热点,能够有效地增强信息的抗检测性;隐写分析技术主要以传统的机器学习和深度学习方式为主,而机器学习方式以空域富模型为代表,具有较高的隐写检测性能。本文在研究前人成果的基础上提出改进,主要研究工作如下:1.针对现有最小化失真隐写术在隐写过程中未能完全避开平滑区域和径直边缘区域的问题,本文建立一个基于多元高斯载体模型的图像纹理复杂度检测模型来定位图像的复杂纹理区域,然后启发式定义失真函数,提出一种新的空域自适应隐写方法。首先,假设隐写分析者能完全估计图像像素纹理复杂度,利用似然比检验估计载体图像各像素的纹理复杂度,并与嵌入适应度关联。然后,使用均值滤波器对它进行滤波处理,生成嵌入失真值。最后,采用STC编码完成秘密信息的嵌入。2.针对空域富模型隐写分析中特征维度高、冗余性强、特征提取时间较长等问题,本文进行了一系列的特征选择操作,探究了以下4种不同的模型组合方式:单一量化因子组合方式、单一滤波核种类组合方式、混合筛选组合方式、皮尔森相关系数组合方式,并且加入了特征预处理手段。通过可视化实验表明:本文提出的隐写方法能将嵌入修改的位置更加聚集在纹理丰富的区域。并且,通过统计隐写分析实验表明:本文方法在抵抗空域富模型隐写分析及其变体隐写分析方面,具有更好的抗检测性。另外,由本文的4种新特征组合对两种著名的隐写术检测实验可得:混合筛选组合方式和皮尔森相关系数组合方式可以与降维前的隐写分析性能保持稳定,但是具有更高的性能维度比。

关键词：信息隐藏隐写术失真函数隐写分析空域富模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度伪造图像的人脸篡改取证技术研究

基于深度伪造图像的人脸篡改取证技术研究

作者：李爱云天津大学

学位级别：硕士

在互联网信息技术不断更迭的背景下,深度伪造技术已经可以制造出以假乱真的“换脸”图像。然而,该技术的滥用令网络安全面临严峻挑战。被恶意篡改的“换脸”图像会对个人隐私、生活安全甚至社会稳定性产生巨大负面影响。因此,针对深度... 详细信息

在互联网信息技术不断更迭的背景下,深度伪造技术已经可以制造出以假乱真的“换脸”图像。然而,该技术的滥用令网络安全面临严峻挑战。被恶意篡改的“换脸”图像会对个人隐私、生活安全甚至社会稳定性产生巨大负面影响。因此,针对深度伪造图像的人脸篡改取证研究是十分必要的。目前主流的深度伪造取证方法多通过CNN模型自动学习真伪图像间的可区分特征,这类方法缺少可解释性,并且模型泛化能力较弱。本文从深度伪造图像的生成过程入手,分析伪造痕迹,结合传统图像取证与深度学习技术深入挖掘伪造痕迹特征,开展基于深度伪造图像的人脸篡改取证方法研究,具体工作内容如下:本文提出了一种基于多尺度纹理差异信息的人脸深度伪造取证方法。该方法能够更高效地捕获深度伪造技术留下的纹理差异信息,从而更准确地感知图像真实区域同伪造区域的痕迹差异。具体来说,为了加强纹理特征的表达,利用中心差分卷积(Central Difference Convolution,CDC)提取伪造纹理特征。然后,引入空洞空间金字塔池化结构(Atrous Spatial Pyramid Pooling,ASPP)提取并融合多尺度信息以保留完整的纹理特征,从而避免关键性信息丢失。在公开数据集上的实验结果表明,该方法实现了较好的取证效果。本文提出了一种利用频域和噪声特征的人脸深度伪造取证方法。该方法针对深度伪造技术留下的频域与噪声痕迹设计特征提取网络,能够综合利用多域特征进行取证检测。具体来说,该方法提出利用DCT变换来感知频域中不同频带的伪造痕迹特征。同时,利用空域富模型(Spatial Rich Model,SRM)进行引导,以增强伪造噪声痕迹。然后,引入注意力机制综合两个模态的伪造痕迹信息。最后使用单中心训练损失函数促进学习,提升模型的取证能力。在公开数据集上的实验结果表明,该方法具有较好的取证效果。

关键词：深度伪造图像人脸篡改取证深度学习多尺度纹理差异空域富模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向多种图像重定向篡改的被动取证研究

面向多种图像重定向篡改的被动取证研究

作者：李亚楠湖南大学

学位级别：硕士

随着计算机科技的快速发展,获取和编辑图像变得越来越容易。这些图像技术的进步革新在满足人们对图像编辑需求的同时,往往也给图像的真实性和完整性带来了挑战。特别在经过恶意篡改的图像若传播到网络上或者用于科学研究、法庭证据等,... 详细信息

随着计算机科技的快速发展,获取和编辑图像变得越来越容易。这些图像技术的进步革新在满足人们对图像编辑需求的同时,往往也给图像的真实性和完整性带来了挑战。特别在经过恶意篡改的图像若传播到网络上或者用于科学研究、法庭证据等,其危害性将不可估量。因此,图像取证正成为热门的研究领域之一。图像重定向作为一类常见的图像编辑手段,也可用于非法篡改。有些图像重定向手段可以直接篡改图像的语义内容,并且许多复杂的图像操作会包含这一环。因此,为遭受图像缩放操作的图片设计检测方法是很有必要的。本文基于三种具有代表性的重定向篡改手段,即seam carving,普通均匀缩放scaling以及scale-and-stretch(SNS),分别在通用取证与篡改历史检测两个方面入手,提出了相应的被动取证算法,论文的主要工作和创新点如下:首先,针对传统重定向取证方法大多是基于一种特定篡改类别进行二分类检测的问题,提出一种通用取证算法用于检测多种重定向篡改。鉴于图像缩放操作不仅会产生局部纹理的变化,也会造成全局结构的形变,设计了一个512维的特征集用来揭示由图像缩放所引起的纹理变化,其中包含了相邻局部二元模式的共生(co-occurrence of adjacent local binary pattern,COLBP)和二值化图像统计特征(binarized statistical image features,BSIF)。根据三种具有代表性的不同类别的重定向手段为检测对象,以支持向量机(SVM)为分类器进行检测和识别。与现有方法相比,该方法对单个篡改操作的检测精度得到了较大提高;另外,对确定不同的图像重定向类型方面取得的检测率也达到了92.97%7.88%。其次,针对图像重定向与对比度增强篡改链检测的问题,本文受隐写分析启发,从像素相关性变化的角度探究篡改链的统计特性,采用包含多种残差子模型的空域富模型(spatial rich model,SRM)来进行取证工作。不同的篡改类别和顺序会对图像的固有结构造成不同的影响,而该算法中丰富的残差子模型的运用能从不同的层次诠释其像素相关性的变化痕迹。最后以支持向量机(SVM)为分类器分别对三种不同的操作链进行检测和识别。实验结果表明,在seam carving-对比度增强篡改链、scaling-对比度增强篡改链以及SNS-对比度增强篡改链上,该算法均能有效的识别其篡改类别以及篡改顺序,且取得较好的检测精度。

关键词：数字图像盲取证图像重定向多分类纹理分析二值化图像统计特征篡改链检测空域富模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于浅层卷积网络的图像隐写分析算法研究

基于浅层卷积网络的图像隐写分析算法研究

作者：江智威成都理工大学

学位级别：硕士

网络通信技术的提升往往与风险相并行,更加多样的网络安全隐患也逐渐被人们所关注。图像隐写作为利用图像为载体的信息隐藏技术,给人们带来更加安全的信息传递方式以外,也对信息泄密造成更大的风险隐患。因此,图像隐写分析技术作为该类... 详细信息

网络通信技术的提升往往与风险相并行,更加多样的网络安全隐患也逐渐被人们所关注。图像隐写作为利用图像为载体的信息隐藏技术,给人们带来更加安全的信息传递方式以外,也对信息泄密造成更大的风险隐患。因此,图像隐写分析技术作为该类隐写技术的逆向检测方法而逐渐被人们关注和研究。从传统方法上看,空域富模型(Spatial Rich Model,SRM)对绝大多数隐写图像有着较好的检测能力,但是需要较多的人工和时间成本。随着人工智能和深度学习技术的成熟,诸如Xu Net模型和Ye Net模型的提出,使得图像隐写分析进入新的发展阶段。但是,众多模型在面对小嵌入量图像隐写检测时,其准确率还难以符合工程应用所需的要求。本文针对以上问题进行研究,旨在提升神经网络对隐写图像的检测能力,并提出该类算法在工程上的应用方式。为此,本文基于浅层卷积神经网络,结合多样化的高频滤波器设置与选择信道感知技术对网络模型进行改进,并在此基础上设计了图像隐写与分析的模拟系统。本文的主要工作如下:(1)数据集的制备与SRM算法的实现。本文为了保证每个模型的训练结果具有可对比性,采用Hugo算法和S-UNIWARD算法对BOSSbase V1.01图像集进行了隐写数据嵌入,从而制备了统一的数据集。在此基础上,通过MATLAB工具复现了SRM算法,并对数据集进行检测分析。(2)构建SSCNN(SRM-Shallow Convolution Neural Network)模型。首先,本文研究了隐写图像的特征,发现浅层卷积网络对此类微小特征有着较好的学习效果。随后,通过对SRM模型的研究分析,发现多样化的高频滤波器组对图像中隐写区域的特征提取有着极大的帮助。在此基础上,本文针对图像隐写对该网络进行改进,并增加了一个拥有5种高频滤波器组的图像预处理层,最终设计出了适用于图像隐写分析的神经网络架构并命名为SSCNN模型。该模型在对隐写图像的检测准确率上相较于先前的模型有了一定的提升。(3)构建YSCNN(Ye-Shallow Convolution Neural Network)模型。本文在后续研究中,将选择信道感知模块加入到先前设计的网络结构中,从而构建出了YSCNN模型。选择信道感知模块有助于网络对高隐写嵌入概率区域进行特征提取和分析,从而使得网络对隐写信息特征的学习有了更强的针对性,这进一步提升了网络的检测分析能力。通过实验可以发现,YSCNN模型相较于传统算法和SSCNN模型取得了更高的检测准确率,并且对隐写图像有着较高的敏感性。(4)设计实现了图像隐写与分析模拟系统。本文以YSCNN模型为核心,设计实现了一个图像隐写与分析模拟系统。该系统采用Py Qt框架搭建程序界面平台,基于MATLAB和Python实现图像隐写和分析的相关算法,使其能模拟出图像从隐写嵌入到隐写分析的全过程。此系统具有较好的便捷性和经济性,对实际工程应用具有一定的参考价值。

关键词：图像隐写分析浅层卷积网络选择信道感知空域富模型残差计算

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的图像隐写分析研究

基于深度学习的图像隐写分析研究

作者：陈升贵州大学

学位级别：硕士

隐写术和隐写分析作为信息隐藏的研究热点,近年来受到学术界越来越多的关注,目前隐写术的主要研究成果是内容自适应隐写术,其思想是将嵌入信息隐藏到图像的纹理区域,以达到难以侦察的目的。作为隐写术的反检测技术,隐写分析与隐写术相... 详细信息

隐写术和隐写分析作为信息隐藏的研究热点,近年来受到学术界越来越多的关注,目前隐写术的主要研究成果是内容自适应隐写术,其思想是将嵌入信息隐藏到图像的纹理区域,以达到难以侦察的目的。作为隐写术的反检测技术,隐写分析与隐写术相生相克,目前基于深度学习的隐写分析的研究热点主要集中于针对自适应隐写术的被动隐写分析。本文针对内容自适应隐写术的被动隐写分析与隐写定位问题展开研究。目前基于深度学习的图像被动隐写分析许多研究中,多存在无法避免隐写信号随着网络加深而丢失问题、以及需要借助传统隐写分析方法加入选择通道的先验知识的问题。本文提出融合残差学习和通道建模隐写分析网络SERGO＿NET,在网络的预处层中,将富模型中特定权重的SRM滤波器和自动学习权重的Bayar滤波器相结合用于提取图像的残噪图像;在特征提取层中,提出SER＿BN残差模块,该模块用于避免信息隐写信息丢失问题,并融合注意力机制可进一步扩大有效通道的权重,使得图像检测准确度得到有效提升。实验中,基于BOSSbase v1.01数据源,采用自适应隐写算法S-UNIWARD在嵌入率为0.1bpp-0.4bpp获取不同嵌入强度的隐写图像,条件实验证明采用本文的隐写分析网络SERGO＿NET与被动隐写分析网络Yenet相比,检测准确度精度提升2%～3%。由于被动隐写分析往往只能判别载体图像中是否存在隐密信息,并不能对隐密信息的具体位置进行标识,为进一步增强隐写分析的实用性,本文对自适应隐写术和非自适应隐写术LSB matching的隐写定位问题展开研究,并提出一种端到端的隐写定位网络PSL＿NET。在输入端输入一张图像,输出端获得这张图像的隐写定位图。在预处理层中,利用空域富模型中的SRM滤波器提取残噪图像;在深度残差层中,通过深度残差学习增强隐写特征的表达能力;在像素预测层中,利用标记出隐写像素实际位置的掩码图像进行有监督地学习,加强网络对局部隐写像素的感知能力,无区别对待平滑或者纹理区域的像素,逐一预测载体图像每位像素是否经过隐写的概率,最终预测出隐写像素的位置。在BOSSbase v1.01数据集上的实验表明本文所述的算法PSL＿NET能较为精准地对经自适应隐写算法S-UNIWARD在不同负载下嵌入的隐写图像、经非自适应隐写术LSB matching嵌入的隐写图像进行隐写定位。

关键词：深度学习隐写分析隐写定位空域富模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的图像篡改检测算法研究

基于深度学习的图像篡改检测算法研究

作者：朱昊昱江南大学

学位级别：硕士

数字图像作为人们获取和传递信息的重要载体,在给人们生活带来便利的同时,也给社会带来了一些安全隐患。随着图像编辑软件的发展和普及,图像内容修改与图像伪造的成本变得越来越低,用户可以轻易利用图像编辑工具修改图像内容并且不留下... 详细信息

数字图像作为人们获取和传递信息的重要载体,在给人们生活带来便利的同时,也给社会带来了一些安全隐患。随着图像编辑软件的发展和普及,图像内容修改与图像伪造的成本变得越来越低,用户可以轻易利用图像编辑工具修改图像内容并且不留下明显的视觉痕迹。篡改图像在互联网中的肆意传播将对军事、政治、传媒等领域带来负面影响,因此,数字图像取证研究具有十分重要的现实意义。本文针对图像操作篡改检测以及图像篡改区域定位开展研究,主要工作内容如下:关于图像操作篡改检测,经过图像处理操作后,图像本身的内容并没有改变,模型需要学习的是处理操作带来的噪声特征,而非图像的内容信息。传统算法的过程较为复杂,一般需要手工提取特征,而且研究者要有丰富的数字图像领域知识。本文提出了基于SRM和残差网络的图像操作篡改检测算法,设计了一个预处理层,通过隐写分析领域中提出的SRM滤波器和约束性卷积核来提取图像的噪声特征。模型中还包含多尺度卷积层和残差模块,多尺度卷积层可以融合不同感受野大小的特征图,残差模块通过在输入和输出特征图之间建立短连接来有效降低模型在训练过程中梯度消失的风险,并加快网络的收敛速度。实验结果表明,本文提出的算法能有效的检测均值滤波、中值滤波、高斯模糊、JPEG压缩、对比度增强这五种图像篡改方式。针对图像篡改区域定位,由于篡改区域的尺度多样性以及模糊操作的干扰,传统方法难以提取图像的篡改特征。为了有效解决这一问题,本文提出了基于Deep Labv3+的多任务图像拼接篡改定位算法,利用全卷积网络所具备的自动特征学习能力以及精确的物体识别能力,将Deep Labv3+中的多物体分类问题转换为了篡改区域的定位问题。模型在空洞空间金字塔模块中融合空间和通道注意力机制,增强了模型对于重要特征的敏感性。此外,构建了一个预测篡改区域边界的分支网络,使用浅层的图像特征来预测篡改区域边界,提高了模型对于篡改区域的关注度。在CASIA V1.0和Columbia数据集中的实验结果表明,本文提出的算法能有效定位图像的篡改区域并辅助篡改图像的识别,F1-score和MCC指标均优于其他对比算法,对于篡改图像的识别精确率也有较大提升。为了简化模型的训练过程并降低模型的复杂度,本文采用轻量级的卷积网络构建了基于Mobile Net V2和SRM的图像拼接篡改定位算法。首先对轻量化卷积网络Mobile Netv2进行了改进,降低了其下采样的倍数,从而保留更丰富的图像篡改痕迹,还在其中使用了空洞卷积来扩大特征图的感受野。此外,模型中构建了双流网络,使用RGB流来提取图像的强对比度差异,非自然篡改边界等篡改特征,使用SRM来提取图像篡改区域和真实区域的噪声特征,最终通过改进后的注意力机制来融合双流特征。实验结果表明,本文所设计的网络模型在实现轻量化的同时仍有较高的定位精度,在CASIA v1.0数据集中的定位精确度同样优于其他的对比算法。

关键词：图像取证卷积神经网络篡改区域定位空域富模型自注意力机制

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的通用人脸图像取证研究

基于深度学习的通用人脸图像取证研究

作者：熊小芳湖南大学

学位级别：硕士

随着计算机图形学和人工智能的快速发展,人们能轻松地生成和编辑人脸图像,且其视觉质量足以以假乱真。先进的人脸图像生成和篡改技术在给人们的生活带来乐趣和便利的同时,也给人脸图像取证带来了巨大的挑战。人脸图像携带了个人的身份信... 详细信息

随着计算机图形学和人工智能的快速发展,人们能轻松地生成和编辑人脸图像,且其视觉质量足以以假乱真。先进的人脸图像生成和篡改技术在给人们的生活带来乐趣和便利的同时,也给人脸图像取证带来了巨大的挑战。人脸图像携带了个人的身份信息,一旦被恶意加工和使用,将可能产生严重的社会信任危机。因此,人脸图像取证逐成为图像取证领域的一个热点问题。常见的人脸图像攻击方式主要有两种:一种是生成人脸图像,即借助对抗生成网络(GAN)等技术生成自然界不存在的人脸图像;另一种是篡改自然成像的人脸图像,包括人脸交换、润色和表情迁移等。本文研究人脸图像的通用取证,并且提出相应的取证算法,致力于解决两个主要的目标:第一、可靠地同时检测由多种技术生成或者篡改的人脸图像;第二、检测未知技术生成的人脸图像。论文的主要工作和创新点归纳如下:首先,针对现有的人脸图像取证方法通常只适用于单一的人脸篡改技术的问题,提出一种可检测多种人脸图像操纵技术生成或者篡改的人脸图像方法。实际上,不同的图像操纵技术,会给人脸图像留下不尽相同的取证痕迹,传统的手工设计特征的方式不适合人脸图像通用取证。本文设计了一个轻量级的卷积神经网络(CNN),采用深度可分离卷积,1×1卷积残差结构,批归一化等多层组成的网络结构,自动地学习取证特征并实现多种类型的分类。相对于现有的方法,该方法网络结构简单,收敛速度快,能同时检测多种人脸图像操纵技术得到的人脸图像,并且对于多种后处理攻击也具有一定的鲁棒性。其次,考虑到人脸图像篡改技术本身在迅猛发展过程中,提出一种能够检测未知人脸篡改操作的通用人脸图像取证方法。通常,深度神经网络模型只能检测与其训练所用的数据集同类型的人脸图像。本文以Efficient Net模型为基础,在CNN结构之前设计了一个包含三个滤波核的固定权重的卷积层,以抑制图像的语义内容和放大图像的微观特征,从而提高深度神经网络的泛化能力。实验结果表明,该方法能够有效地提高取证模型的通用性,检测未知人脸操纵技术得到的人脸图像。

关键词：数字图像取证人脸图像篡改深度学习卷积神经网络通用性增强空域富模型