基于深度学习的图像来源取证研究

发布时间：2020-09-23 09:20

　　随着信息技术的发展和数码相机设备的普及,图像已成为一类重要的信息载体。与此同时,图像编辑工具的广泛使用使图像的真实性、原始性和完整性受到极大的挑战,恶意地篡改图像会对社会造成严重的负面影响。为了有效遏制图像造假行为,数字图像取证技术应运而生。图像来源取证作为数字图像取证的重要分支,在版权保护、图像溯源等方面都具有重要意义。本文从图像来源取证算法的准确性、安全性和适用性等方面进行了研究与分析,主要成果性工作包括:(1)提出一种基于生成对抗网络的重获取取证攻击算法。该工作从攻击者的角度出发,提出了一种重获取图像转换方案,达到既能消除重获取操作引入的纹理痕迹又能使图像不被经典的重获取取证算法检测到的目的。该方案基于生成对抗网络的基本框架,根据重获取图像的特点设计了生成器和判别器的网络结构,并且创造性的提出了一项新的目标函数约束项来避免转换后图像内容发生较大畸变。实验结果表明该方案可以从视觉效果和统计特征两方面对重获取图像进行转换,达到对人类视觉和图像来源取证算法的双重欺骗。(2)提出了一种基于深度学习的重获取取证算法。该工作从算法安全性的角度出发,旨在设计一种能够有效抵抗对抗样本攻击的方案。根据对抗样本的产生原理,该方案在一般深度学习框架的基础上,提出两项安全性改进策略。首先在损失函数上添加一项约束项来控制交叉熵损失对输入样本的梯度平滑性。其次采用了正常样本和对抗样本融合训练策略来训练网络。实验结果表明,该方案能够在保持正常样本高分类准确率的前提下,对对抗样本也能够较好的分类,增强了算法安全性。(3)提出一种针对重获取图像的相机源取证算法。该工作将相机源取证技术应用到重获取图像中,扩大了相机源取证技术的适用性。由于重获取操作会为图像引入大量的噪声,干扰了原有的和相机设备相关的特征,普通的相机源取证算法不再完全适用。为了提取到更丰富的相机特征,该方案采用子网络并联的网络结构,不同的子网络采用不同的高通滤波核做预处理,然后将每个子网络提取的特征合并在一起进入到分类模块。实验结果表明,该方案能够有效提升重获取图像的相机源取证分类效果。
【学位单位】：北京交通大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP391.41;TP18
【部分图文】：

照片,华为,人像,照片

引言逡逑２００７年１０月３日，中国陕西省村民周正龙声称在神洲湾发现了濒危物种野生逡逑华南虎，并拍摄了照片，如图１－５邋（ａ）所示，该事件引起了省林业局的高度重视。逡逑但当这张照片公之于众后，其真实性受到了许多质疑。后来照片被发现与一张年画逡逑上的老虎极为相似，如图１－５邋（ｂ）。最终周正龙承认华南虎照片是通过将年画中的逡逑老虎裁剪下来摆拍而成的，目的是为了获得高额奖金。逡逑（ａ）造假图像逦（ｂ）原始图像逡逑图！－５华南虎图像造假事件。（ａ）造假图像；（ｂ）原始图像逡逑Ｆｉｇｕｒｅ邋１－５邋Ｃａｓｅ邋ｏｆ邋ｉｍａｇｅ邋ｆｒａｕｄ邋ｏｆ邋Ｓｏｕｔｈ邋Ｃｈｉｎａ邋ｔｉｇｅｒ，邋（ａ）邋ｆａｋｅ邋ｉｍａｇｅ；邋（ｂ）邋ｏｒｉｇｉｎａｌ邋ｉｍａｇｅ逡逑２00９年，第八届中国摄影金像奖的获奖作品中有四幅被网友指出涉嫌剽窃，逡逑图１－６邋（ａ）是其中一幅获奖作品《雾罩天池》，图１－６邋（ｂ）中是己发表的作品《天逡逑池奇观》（网友翻拍），两幅照片画面一致，时间一致，机位一致。最终，获奖者被逡逑取消了获奖资格且免除了摄影协会的职务。逡逑—．辱逦……逦——ａ—邋逦逡逑（ａ）《雾罩天池》逦（ｂ）《天池奇观》逡逑图丨－６摄影获奖作品剽窃案件。（ａ）《雾罩天池》；（ｂ）《天池奇观》逡逑Ｆｉｇｕｒｅ邋１－６邋Ｃａｓｅ邋ｏｆ邋ｐｌａｇｉａｒｉｓｍ邋ｏｆ邋ａｗａｒｄｅｄ邋ｐｈｏｔｏｇｒａｐｈｉｃ邋ｗｏｒｋｓ

重获,生成过程,图像

逦３Ｄ作品逦３Ｄ作品逡逑图１－８计算机生成图像的视觉效果展示。（ａ）邋Ｐ－ＧＡＮ生成图像；（ｂ）邋Ｂｉｇ－ＧＡＮ生成图像；逡逑（ｃ）邋Ｍａｒｃｉｎ邋Ｇｒｕｓｚｃｚｙｋ邋３Ｄ邋作品；（ｄ）邋Ｍａｒｅｋ邋Ｄｅｎｋｏ邋３Ｄ邋作品逡逑Ｆｉｇｕｒｅ邋１－８邋Ｔｈｅ邋ｄｉｓｐｌａｙ邋ｏｆ邋ｓｏｍｅ邋ｃｏｍｐｕｔｅｒ邋ｇｅｎｅｒａｔｅｄ邋ｉｍａｇｅｓ．邋（ａ）Ｇｅｎｅｒａｔｅｄ邋ｉｍａｇｅ邋ｂｙ邋Ｐ－ＧＡＮ；逡逑（ｂ）邋Ｇｅｎｅｒａｔｅｄ邋ｉｍａｇｅ邋ｂｙ邋Ｂｉｇ－ＧＡＮ；邋（ｃ）邋Ｍａｒｃｉｎ邋Ｇｒｕｓｚｃｚｙｋ’ｓ邋３Ｄ邋ｗｏｒｋ；邋（ｄ）邋Ｍａｒｅｋ邋Ｄｅｎｋｏ’ｓ邋３Ｄ邋ｗｏｒｋ逡逑１．３．２重获取图像取证逡逑重获取图像取证也是图像来源取证的一个重要分支，它的研宄目的是判断待逡逑测图像是拍摄的真实自然场景还是对屏幕显示或打印的图像进行翻拍得到的。重逡逑获取图像的生成过程如图１－９所示，原始图像首先被投影到新的媒介上，如：电脑逡逑屏幕、手机屏幕或打印纸，然后对投影后的图像进行重新拍摄，得到重获取图像。逡逑由该过程可知，重获取图像和原始图像的内容来源不同，因此也可以被逡逑列为一种图像来源造假的类型。逡逑对重获取图像进行取证有着很重要的现实意义。首先，重获取取证具有版权保逡逑护功能。一张具有极高价值的图像，例如战地记者冒着生命危险拍摄的战争照片，逡逑若被其他人进行翻拍并宣称是自己拍摄的

生成对,判别器,生成器,样本

ＬＳＴＭ）等。生成器的学习目标是生成尽可能接近真实的数据，使判别器无法区分。逡逑而判别模型的学习目标是准确区分输入样本是真实数据还是生成数据。逡逑生成器和判别器的整个博弈过程如图２－１所示，假设Ｇ表示生成器，￡＞表示逡逑判别器，ｚ表示随机噪声，Ｇ可以将随机噪声２转化为生成样本Ｇ（ｚ；），Ｚ）的输入是逡逑生成样本和真实样本ｘ，Ｄ的输出是［０，１］范围内的一个实数，表示对应输入逡逑样本是真实数据的概率。训练过程中，生成器希望生成样本Ｇ（ｚ；）被判断为真实标逡逑签的概率尽可能大，而判别器的目标是尽可能有效区分真实数据和生成数据。当模逡逑型通过极小极大博弈达到了纳什均衡时，训练过程完成。用Ｐ，和＆分别代表真实数逡逑据和生成数据的分布，则模型的目标函数表示如下：逡逑ｍｉｎＧｍａｘＤＶ（Ｄ，Ｇ）＝Ｅ＾ｐ（ｘ）邋＾ｌｏｇＤ（ｘ）￣＼逡逑＾Ｐｇ（ｚ）［ｌｏｇ｛ｌ－Ｄ｛Ｇ｛ｚ）））＼逦（２＿１）逡逑真实数据邋一邋逦逡逑逦邋逦邋＾邋Ｔ邋＾逡逑随机噪声三—邋生成器（３逦—逦ｆ￣逦！逡逑逦逦ｃｒｒｒｒｉ逦］逦！逡逑图２－１生成对抗网络的基本框架逡逑Ｆｉｇｕｒｅ邋２－１邋Ｔｈｅ邋ｆｒａｍｅｗｏｒｋ邋ｏｆ邋ｇｅｎｅｒａｔｉｖｅ邋ａｄｖｅｒｓａｒｉａｌ邋ｎｅｔ逡逑２．２．２相关ＧＡＮｓ介绍逡逑（１）条件生成对抗网络（Ｃｏｎｄｉｔｉｏｎａｌ邋ＧＡＮ

【相似文献】