基于 recompression 的 JPEG 篡改检测与定位——消除压缩因子依赖性的深度神经网络方法

本文致力于解决基于 recompression 的图像伪造检测问题，即图像的某些区域被非法修改，导致单个图像中出现双重压缩特征。过去十年间已有一些重要研究致力于此方向，但几乎所有现有技术在第一次压缩因子大于第二次时均无法检测此类伪造。我们在基于 recompression 的图像伪造检测中解决了该问题。近年来，机器学习技术正开始在数字图像取证领域获得重要地位。本文提出了一种基于卷积神经网络的深度学习架构，能够检测 JPEG 图像中基于 recompression 的伪造。该提议架构即使在第一次压缩比例大于第二次的情况下也能高效工作。本文还旨在基于 recompression 特征定位图像操纵区域。我们的实验结果表明，所提方法在伪造检测与定位准确率方面均优于当前最先进技术。