基于神经网络图像取证：资源汇总

最近在做深度学习的图像取证工作，做一下资源的汇总和科普、文献的总结工作

---

1. 对图像取证技术的总结 

“谁动了我的图片？” – 图像取证技术 

文中主要介绍了几种不同的图像取证方法，简述如下：

I.  copy-move 检测方法

    检测原理： 同一幅图像中检测到大块相同的内容

    技术手段： 稀疏特征点（SIFT）的判断；基于图像块的图像匹配算法

II. 传感器噪声取证

    检测原理： 传感器的噪声模型（利用成像传感器的硅阵列制作瑕疵所得到的固定像素图）等价于相机指纹

    技术手段： 通过对处理后的图像的潜在噪声模式检测，判断图像是否完整出自一个相机

III. 像素重采样检测

    检测原理： 图像经放大，旋转等得到的图片本质是采用了像素插值技术。像素插值技术：放大后的像素空挡由周围像素补齐，常见插值技术有：双线性插值技术； 双三次插值技术；

    技术手段： 可利用最大期望算法获得放大倍数相关的周期性系数； 通过分析邻近像素相关性，取得像素插值。

IV. 反射不一致性检测

    检测原理： 经过修改后的图片，在镜面反光的地方违背了小孔成像及光线反射的物理常识，即消隐点（反射与入射点的连线在小孔成像下的相交点）的存在。

    技术手段： 基于几何约束的取证方法： 使用原始图反射数据找到消隐点，再使用消隐点，将其与入射点连接，判断直线是否相交与反射点。

V. 光照一致性检测

    检测原理：PS过后的图片往往使用到不同的图片，而不同图片的光照方向不尽相同。

    检测技术： 抽象各个物体所携带的光照痕迹，这样的过程往往基于：检测人脸 -> 人脸关键点检测 -> 拟合三维人脸模型 -> 估计光照参数 -> 计算光照参数差异性 -> 判断是否为原始图片。

---

2. 图像取证超简略综述

数字图像取证技术的发展 

论文大体分为两个部分：

I. 数字图像的篡改：分为六大类

    （1） 合成：同一/不同图像的复制，粘贴操作 -> 假象/隐藏 -> 消除图像中的篡改痕迹，往往其中包含缩放、旋转和润饰等处理

    （2） 变体：源图像与目标图像以一定权重重合 -> 同一图像保持两个特征

    （3） 增强：就和我们平时说的滤镜一样

    （4） 润饰：同一幅图像中对局部区域进行复制粘贴，并模糊操作，扫除边缘痕迹

    （5） 计算机生成：3D多边建模 -> 颜色+纹理 -> 虚拟照相机 => 图像统计特征差异（与自然图像）

    （6） 绘画：略

作者提出，还可以加上三种篡改类型：

    （一）图像完整性篡改 —— 水印+隐写书

    （二）图像原始性 —— 二次获取图像

    （三）版权

图像篡改的工具： 

    分割ROI：Matting（修边） —— Bayesion, Poisson

                     Impainting —— 修复自然空白

II. 篡改图像的数字取证 

    首先，5种经典的计算机取证过程模型：

•         基本过程模型 Basic Process Model 
•         事件响应过程模型 Incident Response Process Model
•         法律执行过程模型 Law Enforcement Process Model
•         过程抽象模型 Abstract Process Model

    根据DFRWS（Digital Forensic Research Workshop）框架分类：

•         识别类：判定可能与指控或突发事件相关的项目、属性和数据；
•         保存类：保存证据状态的完整性；
•         收集类：提取或捕获突然事件的项目及其属性或特征；
•         检查类：对突发事件的项目机器属性或特征进行检查；
•         分析类：为了获得结论而对数字证据进行融合、关联和同化；
•         呈堂类：客观、有条不紊、清晰、准确的报告事实（这tm什么鬼..

III. 数字图像取证

数字图像认证方法：

•         基于数字水印图像认证的主动方法：嵌入脆弱水印，篡改图像将会破坏、暴露篡改行为。
•         基于数字签名图像认证的半主动方法：利用图像内容生成长度很短的认证码、数字签名或视觉摘要，他们对改动都很敏感，视觉摘要对合法处理不敏感。
•         被动认证：仅根据待认证的图像本身判断其是否经过篡改、合成、润饰等伪证处理。

区分被动和主动认证：

        主动认证即加入信息，使其对改动十分脆弱，最终对信息进行验证以确认是否有改动。技术包括：

        - 鲁棒性数字水印防伪技术、脆弱性数字水印防篡改技术、数字指纹、数字签名认证技术。

        被动取证即在不依赖任何预签名提取或预嵌入信息的前提下，对图像的真伪和来源进行鉴别和取证：

        - 图像真实性鉴别：判断数字图像在最初获取之后是否经历任何形式的我修改或处理：防伪检测。根据图像鉴别的取证特征，可分类为：基于图像伪造过程遗留痕迹的检测方法、基于成像设备一致性的检测方法和基于自然图像统计特性的检测方法。

        - 图像来源鉴别： 判断生成图像的数据获取设备：数字相机、扫描仪、可拍照手机等，其内容是提取能够区别图像来源的特征并建立特征数据库

        - 图像隐写分析取证： 检测是否隐藏无法提取的秘密信息

 

然后文章就结束了，原来如此，那确实没什么可以引用的地方，石锤是一篇水文了，不做任何学术结构上的讨论，随便学什么专业的看看论文就能总结出一样的东西了叭

---

3. 对于图像取证技术初学者入门手册

Digital image forensics: a booklet for beginners

---

4. 深度学习在图像取证方面的应用

深度学习在图像取证领域中的进展 

---

5. 面部修饰相关数据集 

ND-IIITD

---

6. 图片篡改监测相关论文汇总GitHub 

image_tampering_detection_references

---

7. Performance survey

https://xgyopen.github.io/2018/06/15/2018-06-15-imv-defect-detecting-investigation/