基于深度学习的 forensic source 识别
机器学习
2025-03-28 v1 应用统计
机器学习
摘要
我们使用对比神经网络在 common-but-unknown source 范式下学习 144 个 NBIDE 数据集中弹壳夹具之间的有用相似度得分。common-but-unknown source 问题是 Forensic 中的一个问题原型，其中问题是两个对象是否共享 common source（例如，两个弹壳夹具是否来自同一枪械）。相似度得分常用于解释此范式下的证据。我们将结果与最新算法 Congruent Matching Cells（CMC）直接进行了比较。在训练 2967 个弹壳夹具的 E3 数据集时，对比学习实现的 ROC AUC 为 0.892，而 CMC 算法实现的为 0.867。我们还进行了消融研究，通过可变更神经网络架构来验证具体是网络宽度或深度。消融研究表明，对比网络性能结果在网络架构上具有一定的鲁棒性。这项工作部分动机来自于利用通过对比学习获得的相似度得分用于标准证据解释方法（如基于得分的似然比）的方法。
关键词
引用
@article{arxiv.2503.20994,
title = {Deep Learning for Forensic Identification of Source},
author = {Cole Patten and Christopher Saunders and Michael Puthawala},
journal= {arXiv preprint arXiv:2503.20994},
year = {2025}
}