面向GAN生成图像的被动取证及反取证技术综述
生成对抗网络(generative adversarial network,GAN)快速发展,并在图像生成和图像编辑技术等多个方面取得成功应用.然而,若将上述技术用于伪造身份或制作虚假新闻,则会造成严重的安全隐患.多媒体取证领域的研究者面向GAN生成图像已提出了多种被动取证与反取证方法,但现阶段缺乏相关系统性综述.针对上述问题,本文首先阐述本领域的研究背景和研究意义,然后分析自然图像采集与GAN图像生成过程的区别.根据上述理论基础,详细介绍了现有GAN生成图像的被动取证技术,包括:GAN生成图像检测算法,GAN模型溯源算法和其他相关取证问题.此外,针对不同应用场景介绍基于GAN的反取证技术.最后,通过实验分析当前GAN生成图像被动取证技术所面临的挑战.本文根据对现有技术从理论和实验两方面的分析得到以下结论:现阶段,GAN生成图像的被动取证技术已在空间域和频率域形成了不同技术路线,较好地解决了简单场景下的相关取证问题.针对常见取证痕迹,基于GAN的反取证技术已能够进行有效隐藏.然而,该领域研究仍存在诸多局限:1)取证与反取证技术的可解释性不足;2)取证技术鲁棒性和泛化性较弱;3)反取证技术缺乏多特征域协同的抗分析能力等.上述问题和挑战还需要研究人员继续深入探索.
数字图像取证;反取证;生成对抗网络(GAN);卷积神经网络(CNN);图像生成
27
TP391(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金;中国博士后科学基金
2022-02-16(万方平台首次上网日期,不代表论文的发表时间)
共23页
88-110