针对图像反取证技术的打印与扫描攻击

随着图像篡改工具变得愈发易用和先进，检验图像的真实性变得日益重要。近期研究表明，虽然基于CNN的图像篡改检测器能够成功识别篡改，但它们也容易受到对抗攻击，从简单的双重JPEG压缩到高级的像素级扰动。本文探索了另一种高度可信的攻击方法：打印与扫描。我们展示了两种最先进模型对此类攻击的脆弱性。我们还提出了一种新的机器学习模型，当在打印和扫描图像上进行训练和验证时，其性能与这些最先进模型相当。在这三个模型中，当仅在来自单一打印机的图像上进行训练和验证时，我们提出的模型优于其他模型。为便于此项探索，我们创建了一个包含超过6,000个打印和扫描图像块的数据集。进一步分析表明，不同打印机生成的图像之间存在显著差异，差异之大使得在来自一台打印机的图像上获得良好验证精度，并不意味着在来自另一台打印机的相同图像上也能获得类似的验证精度。