基于解压缩模块的JPEG同步重压缩检测

作     者：王金伟 胡冰涛 张家伟 马宾 罗向阳 WANG Jin-wei;HU Bing-tao;ZHANG Jia-wei;MA Bin;LUO Xiang-yang

作者机构：南京信息工程大学计算机学院、网络空间安全学院江苏南京210044 齐鲁工业大学山东省计算机网络重点实验室山东济南250353 数学工程与高级计算国家重点实验室河南郑州450001 

基　　金：国家自然科学基金(No.62072250,No.62172435,No.U1804263,No.U20B2065,No.61872203,No.71802110,No.61802212) 中原科技创新领军人才项目(No.214200510019) 江苏省自然科学基金(No.BK20200750) 河南省网络空间态势感知重点实验室开放基金(No.HNTS2022002) 江苏省研究生研究与实践创新项目(No.KYCX200974) 广东省信息安全技术重点实验室开放项目(No.2020B1212060078) 山东省计算机网络重点实验室开放课题基金(No.SDKLCN-2022-05) 人文社会科学教育部项目(No.19YJA630061) 江苏高校优势学科建设工程项目 

出 版 物：《电子学报》 (Acta Electronica Sinica)

年 卷 期：2023年第51卷第4期

页      码：850-859页

摘      要：现有的基于深度学习的同步JPEG(JointPhotographic ExpertsGroup)重压缩检测算法大多使用解压缩过程中产生的截断和舍入误差作为分类依据,在检测框架前都存在降低特征提取难度的预处理层,无法实现端到端.同时,现有的量化底表是根据人为经验所设计的,无法取得解压缩过程的最优解,限制了JPEG重压缩检测算法的精度上限.针对这些问题,本文提出了一种基于解压缩模块的JPEG重压缩检测方法,该方法利用卷积模拟JPEG解压缩过程,设计了解压缩模块,将JPEG解压缩过程并入网络中从而实现端到端,省去了繁重的预处理步骤;同时,利用深度学习能够自动优化参数的特性,自动去寻找解压缩过程的最优解,减少了由于人工处理导致的图像信息的二次损失,进一步提升了JPEG重压缩检测算法的性能上限.实验结果表明,本文所提出的JPEG同步重压缩检测算法在超过半数的实验组上都取得了较好的取证表现,在UCID数据集上比现有方法平均精度最多提高1.8%.

主 题 词：数字图像取证 卷积神经网络 JPEG重压缩 解压缩模块 

学科分类：0710[理学-生物科学类] 0711[理学-心理学类] 0810[工学-土木类] 08[工学] 081002[081002] 0812[工学-测绘类] 

核心收录：

D　O　I：10.12263/DZXB.20220424

馆 藏 号：203122391...