神经成像流水线——取证的祸患还是希望？
计算机视觉与模式识别
2019-03-01 v1 多媒体
摘要
数字照片的法证分析依赖于获取或后续编辑时引入的内在统计痕迹。此类痕迹常被后处理(如网络分发时的下采样与重压缩)去除，从而阻碍可靠的来源分析。数字相机中计算方法使用的增加进一步使过程复杂化，并令显式数学建模不可行。尽管该趋势即使在近获取条件下也挑战法证分析，它也创造了新机遇。本文探索整个图像获取与分发工作流的端到端优化，以在分发渠道末端(最先进法证技术失效之处)促成可靠法证分析。我们证明，可训练神经网络替代整个照片显影流水线，并针对高保真照片渲染与可靠来源分析联合优化。此种优化神经成像流水线使我们能将图像篡改检测准确率从约45%提升至逾90%。该网络学会引入精心设计的类数字水印伪影，以助后续篡改检测。性能权衡分析表明，多数增益仅需微小失真即可获得。该发现鼓励进一步研究构建具有显式来源保证属性的更可靠成像流水线。
引用
@article{arxiv.1902.10707,
title = {Neural Imaging Pipelines - the Scourge or Hope of Forensics?},
author = {Pawel Korus and Nasir Memon},
journal= {arXiv preprint arXiv:1902.10707},
year = {2019}
}
备注
Manuscript + supplement; currently under review; compressed figures to minimize file size. arXiv admin note: text overlap with arXiv:1812.01516