面向GAN生成图像的被动取证及反取证技术综述

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：生成对抗网络(generative adversarial network,GAN)快速发展,并在图像生成和图像编辑技术等多个方面取得成功应用.然而,若将上述技术用于伪造身份或制作虚假新闻,则会造成严重的安全隐患.多媒体取证领域的研究者面向GAN生成图像已提出了多种被动取证与反取证方法,但现阶段缺乏相关系统性综述.针对上述问题,本文首先阐述本领域的研究背景和研究意义,然后分析自然图像采集与GAN图像生成过程的区别.根据上述理论基础,详细介绍了现有GAN生成图像的被动取证技术,包括:GAN生成图像检测算法,GAN模型溯源算法和其他相关取证问题.此外,针对不同应用场景介绍基于GAN的反取证技术.最后,通过实验分析当前GAN生成图像被动取证技术所面临的挑战.本文根据对现有技术从理论和实验两方面的分析得到以下结论:现阶段,GAN生成图像的被动取证技术已在空间域和频率域形成了不同技术路线,较好地解决了简单场景下的相关取证问题.针对常见取证痕迹,基于GAN的反取证技术已能够进行有效隐藏.然而,该领域研究仍存在诸多局限:1)取证与反取证技术的可解释性不足;2)取证技术鲁棒性和泛化性较弱;3)反取证技术缺乏多特征域协同的抗分析能力等.上述问题和挑战还需要研究人员继续深入探索.

外文标题：Overview of passive forensics and anti-forensics techniques for GAN-generated image

作者：

何沛松、李伟创、张婧媛、王宏霞、蒋兴浩

展开 >

作者单位：

四川大学网络空间安全学院, 成都 610065

上海交通大学网络空间安全学院, 上海 200240

关键词：

数字图像取证反取证生成对抗网络(GAN) 卷积神经网络(CNN) 图像生成

基金：

国家自然科学基金国家自然科学基金中国博士后科学基金

项目编号：

61902263619722692020M673276

出版年：

2022

DOI：

10.11834/jig.210430

中国图象图形学报

中国科学院遥感应用研究所,中国图象图形学学会 ,北京应用物理与计算数学研究所

中国图象图形学报

CSTPCDCSCD北大核心

影响因子：1.111

ISSN：1006-8961

年,卷(期)：2022.27(1)

被引量7
参考文献量4