论 PNU 在源相机识别任务中的可靠性

PNU 是执行 SCI（源相机识别）的一种基本且可靠的工具，多年来已成为取证领域该任务事实上的标准。在本文中，我们表明，尽管存在旨在消除、修改、替换数字相机图像中 PNU 痕迹的策略，通过我们的实验方法仍有可能发现拍摄该照片的传感器所产生的噪声的残留痕迹。此外，我们表明有可能将不同相机的 PNU 注入目标图像并追溯至源相机，但前提是新相机与目标图像所用原始相机为同一型号。两台相机均须在我们的可用范围内。为完整起见，我们进行了 2 项实验，并且相较于使用流行的公共参考数据集 CASIA TIDE，我们更倾向于引入一个不存在任何统计伪影的数据集。在小型智能手机数据集上的初步实验表明，注入来自不同设备的 PNU 使其无法正确识别源相机。在第二项实验中，我们构建了一个由同一型号 DSLR 拍摄的大图像数据集。我们提取每张图像的无噪版本，用数据集中所有相机的 RN 逐一注入，并将所有图像与每台相机的 RP 比较。实验结果清楚地表明，无论是在无噪图像还是注入图像中，都有可能发现原始相机 PNU 的残留痕迹。实验的综合结果表明，即便理论上可从图像中移除或替换 \ac{PNU}，该过程也可被轻易检测出来，并且在某些苛刻条件下可确认此类攻击下 \ac{PNU} 的鲁棒性。