-
题名基于多尺度与注意力机制的图像隐写分析
- 1
-
-
作者
李萌
罗维薇
刘长龙
-
机构
兰州交通大学电子与信息工程学院
-
出处
《兰州交通大学学报》
CAS
2024年第3期57-67,共11页
-
基金
国家自然科学基金(62362047)。
-
文摘
针对目前隐写分析算法对图像复杂纹理区域特征表征能力较弱的问题,提出一种基于多尺度特征融合和注意力机制的隐写分析模型。该模型首先使用空域富模型滤波器对输入图像进行预处理,提取噪声成分残差,降低图像本身内容的影响;其次使用多尺度并行网络提取信号,增强对细微特征的学习;然后引入注意力机制对特征进行自适应加权,强调重要通道特征在分类中的作用,同时抑制非重要通道特征对分类的影响;最后提出一种协方差池化对深度神经网络学习后的各特征之间的相关性进行建模,并选取牛顿迭代法求解平方根矩阵,使网络训练更加高效。实验结果表明:在小波权重隐写算法0.5 bit/像素嵌入率的条件下,所提模型准确率达到了88.6%,证明了所提方法的有效性。
-
关键词
隐写分析
卷积神经网络
空域富模型
注意力机制
-
Keywords
steganalysis
convolutional neural network
spatial rich model(SRM)
attention mechanism
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于双流CNN的帧内取证深度学习算法研究
- 2
-
-
作者
贺琨
李智
王国美
张健
-
机构
贵州省智能医学影像分析与精准诊断重点实验室
贵州大学计算机科学与技术学院
-
出处
《计算机仿真》
北大核心
2023年第1期259-266,共8页
-
基金
国家自然科学基金项目(62062023,61462013)
贵州省科技计划项目(ZK[2021]-YB314)。
-
文摘
针对视频被动取证领域中视频内容真实性鉴定问题,提出了一个基于双流CNN帧内取证网络深度学习检测算法。根据视频在遭受篡改过程中必定会在视频帧上留下相应的篡改痕迹,利用两个CNN对输入视频帧进行特征提取,其中一个CNN借助隐写分析的思想,使用空域富模型对输入视频帧进行噪声残差提取,使网络专注于篡改痕迹特征的提取,另一个CNN基于篡改操作会使视频帧内容产生大幅变化,通过对输入视频帧的内容进行特征提取,从而监测视频帧内容的变化幅度,有效预测视频帧被篡改的概率。通过合并两个CNN所提取到的特征,并使用通道注意力机制调整两部分特征的通道权重,使得提出的帧内取证网络既能对视频帧的篡改特征进行有效地学习,又能通过内容特征对视频中每一帧的变化幅度进行监测,从而有效提高篡改检测的正确率。利用训练得到的深度学习模型来对输入视频进行篡改判定。实验结果表明,提出的帧内取证算法对不同场景下的复制粘贴类帧内篡改有着较高的识别正确率,达到99.08%,在FACC,F1-Score,篡改精确率等评估指标优于其它的视频取证算法。
-
关键词
帧内取证
视频被动取证
卷积神经网络
空域富模型
-
Keywords
In-frame forensics
Video passive forensics
Convolutional neural network
Spatial rich model
-
分类号
TP-391
[自动化与计算机技术]
-
-
题名基于图像纹理的空域富模型隐写分析研究
被引量：1
- 3
-
-
作者
刘子璇
吴建斌
伍迁
-
机构
华中师范大学
-
出处
《计算机科学与应用》
2020年第5期832-840,共9页
-
基金
国家自然科学基金(U1736121).
-
文摘
图像纹理复杂度是隐写分析在攻击自适应隐写时常常关注的问题,而空域富模型(Spatial Rich Model)常用于针对传统非自适应图像空域隐写的攻击,但空域富模型却没有考虑图像纹理的纹理特征。考虑到空域富模型的准确率及图像纹理复杂度对自适应算法的作用,兼顾效率与准确率,本文结合两种思路,将图像纹理复杂度引入到空域富模型中,提出了一种基于图像纹理的空域富模型隐写分析方法。用MATLAB搭建了测试环境进行测试,通过实验结果可以看出,该方法能提高对于自适应隐写算法的检测准确率。
-
关键词
隐写术
隐写分析
空域富模型
空纹理复杂度
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-
-
题名局部相似度异常的强泛化性伪造人脸检测
- 4
-
-
作者
戴昀书
费建伟
夏志华
刘家男
翁健
-
机构
中山大学网络空间安全学院
南京信息工程大学计算机学院
暨南大学网络空间安全学院
-
出处
《中国图象图形学报》
CSCD
北大核心
2023年第11期3453-3470,共18页
-
基金
国家重点研发计划资助(2022YFB3103100,2020YFB1005600)
国家自然科学基金项目(62122032,62172233,62102189,U1936118,61931004)
江苏省研究生科研与创新项目(KYCX22_1207)。
-
文摘
目的人脸伪造技术迅猛发展,对社会信息安全构成了严重威胁,亟需强泛化性伪造人脸检测算法抵抗多种多样的伪造模型。目前的研究发现伪造算法普遍包含人脸与背景融合的操作,这意味着任何伪造方式都难以避免在人脸边缘遗留下伪造痕迹。根据这一发现,本文将模型的学习目标从特定的伪造痕迹特征转化为更加普适的人脸图像局部相似度特征,并提出了局部相似度异常的深度伪造人脸检测算法。方法首先提出了局部相似度预测(local similarity predicator,LSP)模块,通过一组局部相似度预测器分别计算RGB图像中间层特征图的局部异常,同时,为了捕捉频域中的真伪线索,还提出了可学习的空域富模型卷积金字塔(spatial rich model convolutional pyramid,SRMCP)来提取多尺度的高频噪声特征。结果在多个数据集上进行了大量实验。在泛化性方面,本文以ResNet18为骨干网络的模型在FF++4个子集上的跨库检测精度分别以0.77%、5.59%、6.11%和4.28%的优势超越了对比方法。在图像压缩鲁棒性方面,在3种不同压缩效果下,分别以2.48%、4.83%和10.10%的优势超越了对比方法。结论本文方法能够大幅度提升轻量型卷积神经网络的检测性能,相比于绝大部分工作都取得了更优异的泛化性和鲁棒性效果。
-
关键词
深度伪造人脸检测
空域富模型(SRM)
卷积金字塔
局部学习相似度
多任务学习
-
Keywords
deep face forgery detection
spatially rich model(SRM)
convolutional pyramid
local similarity learning
multi-task learning
-
分类号
TP319.4
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于改进RGB-N的图像操纵检测算法
- 5
-
-
作者
刘昊岳
马文伟
付晓
沈程秀
王亚领
-
机构
泰康在线财产保险股份有限公司互联网金融实验室
-
出处
《激光与光电子学进展》
CSCD
北大核心
2021年第22期296-306,共11页
-
文摘
如何准确地检测出图像中的操纵痕迹是数字图像被动取证领域的研究重点。传统方法利用人工构造的特征进行检测,鲁棒性不强,而基于深度学习的方法虽具有较强的检测能力,但较少关注在正常图像上出现误检的情况。提出了一种改进的RGB-N图像操纵检测算法,该算法在使用F1分数评价操纵目标检测性能的同时,引入了在正常图像上的误检率指标来评价算法的实用性。设计了自适应空域富模型滤波器,构造多尺度融合的特征提取网络,并接入自注意力模块,增强了模型获取图像全局信息的能力,提高检测性能;为降低误检率,设计了真实性判断模块,输出的热图用于判断检测到的目标是否为误检,并通过从操纵目标来源图像选择负样本的训练策略进一步提高模型的分辨能力。实验结果表明,改进的RGB-N模型在含目标拼接与擦除两种操纵手段的数据集上的F1分数为0.759,在未操纵图像数据集上的误检率为0.2%,并在JPEG压缩攻击下具有较好的鲁棒性。
-
关键词
成像系统
图像操纵检测
自适应空域富模型
多尺度融合
自注意力
真实性判断
-
Keywords
imaging systems
image manipulation detection
adaptive spatial rich model
multi-scale fusion
self-attention
authenticity judgement
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
