基于卷积神经网络的图像篡改操作顺序取证研究

发布时间：2021-11-11 21:36

　　随着各种数字媒体记录设备的迅速普及,数字媒体已经逐渐成为一种主流的信息载体,极大地丰富人们的日常生活、学习和工作。但经过篡改的多媒体数据也给人们带来了困扰。图像被动取证技术利用数字图像本身的固有特征对经过编辑处理的数字图像的真实性、完整性进行检测,是信息安全领域的重要研究内容之一。然而传统的数字图像被动取证技术多针对单个篡改操作进行取证,而且取证性能强烈依赖于人工设计的取证特征的好坏,对取证者的专业领域知识有很高的要求。卷积神经网络可以自动地从图像中学习特征并进行识别,降低了对取证者专业领域知识的依赖。本文将围绕基于卷积神经网络的图像篡改操作顺序取证展开研究,主要研究成果如下:（1）设计了一个通用的基于卷积神经网络的图像篡改操作顺序取证框架,用于篡改操作链的顺序取证。该取证框架包含两个子分支,空域卷积流从图像的空域提取可视篡改特征,变换特征提取流则通过精心设计的预处理从图像的变换域提取残差特征,并对提取到的两类特征进行跨通道融合以及分类。对于难以检测的低强度操作链篡改的顺序取证,考虑不同强度下的同一篡改操作痕迹之间存在的共性,我们采用迁移学习策略进行微调训练,以提升低强度篡改操作链的顺... 

【文章来源】：湖南大学湖南省 211工程院校 985工程院校 教育部直属院校

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

TwoStages图像取证：特征提取的神经网络具体结构

TwoStages图像取证：特征分类的全连接多层感知机具体结构

包含限制卷积层的CNN网络结构

【参考文献】：
期刊论文
[1]改进的卷积神经网络用于对比度增强取证[J]. 董伟,王建军.  应用科学学报. 2017(06)
[2]基于滤波残差多方向差分的中值滤波取证技术[J]. 彭安杰,康显桂.  计算机学报. 2016(03)
[3]多重JPEG压缩图像的压缩痕迹检测[J]. 韩洪立,李叶舟,牛少彰,孙晓婷.  应用科学学报. 2014(06)
[4]基于扩展马尔科夫特征的Seam-Carving篡改检测[J]. 盛国瑞,高铁杠,范礼,高琳,杨福圣,张顺.  通信学报. 2014(06)
[5]多媒体取证[J]. 杨锐,骆伟祺,黄继武.  中国科学:信息科学. 2013(12)



本文编号：3489570