一种针对基于 CNN 的相机模型识别的反取证方法
计算机视觉与模式识别
2018-05-08 v1
摘要
越来越多的数字图像正通过网站、媒体和社交应用被共享与访问。其中许多图像已被修改而不再真实。深度卷积神经网络（CNNs）近期的发展促进了分析大规模分发图像数据集真实性与可信度的任务。本文中我们考察识别拍摄图像所用相机模型或类型且可被欺骗的问题。由于 CNN 的线性本质与图像的高维性，神经网络易遭受对抗样本攻击。这些样本与正确分类的图像仅有难以察觉的差异，却被 CNN 以高置信度误分类。本文中，我们描述一种反取证方法，能够微妙地改动图像，以在任何基于 CNN 的相机模型检测器分析时改变其估计的相机模型。我们的方法可使用快速梯度符号法（FGSM）或基于雅可比的显著图攻击（JSMA）来制造这些对抗图像，且不需要直接访问 CNN。我们的结果表明，即便为分析图像并获取相机模型信息而训练的高级深度学习架构，仍易受我们提出的方法攻击。
引用
@article{arxiv.1805.02131,
title = {A Counter-Forensic Method for CNN-Based Camera Model Identification},
author = {David Güera and Yu Wang and Luca Bondi and Paolo Bestagini and Stefano Tubaro and Edward J. Delp},
journal= {arXiv preprint arXiv:1805.02131},
year = {2018}
}
备注
Presented at the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Workshop on Media Forensics