數(shù)字圖像取證與反取證技術(shù)研究.pdf

1、在當(dāng)今信息時(shí)代，計(jì)算機(jī)的出現(xiàn)和普及對(duì)整個(gè)社會(huì)產(chǎn)生了革命性的影響。網(wǎng)絡(luò)技術(shù)和多媒體技術(shù)以及種種數(shù)碼設(shè)備的成熟和普及為人們帶來(lái)前所未有的信息獲取和視聽娛樂的便捷性。獲取一幅數(shù)字圖像變得異常簡(jiǎn)單，傳播一幅數(shù)字圖像也因?yàn)榫W(wǎng)絡(luò)的發(fā)展與普及變得非常方便，應(yīng)運(yùn)而生的是各種功能越來(lái)越強(qiáng)大的數(shù)字圖像處理軟件，諸如著名的Photoshop，GIMP等等。人們使用這些工具便捷的修改圖片的色彩、形狀甚至是內(nèi)容，來(lái)達(dá)到自己滿意的效果。這些軟件在為人們提供便利性的

2、同時(shí)，也為一些別有用心的人提供了造假的可能:篡改圖片用于新聞媒體以欺騙大眾或者混淆視聽;用作法庭證物以影響司法公正;用作攻擊陷害他人的手段等等。這些惡意目的的篡改勢(shì)必嚴(yán)重?cái)_亂正常的社會(huì)秩序，嚴(yán)重影響社會(huì)的公平正義，因此，判斷一幅數(shù)字圖像的真實(shí)性和可信性非常重要。針對(duì)于此，數(shù)字圖像取證技術(shù)近幾年迅速興起并成為學(xué)術(shù)界一個(gè)熱點(diǎn)研究領(lǐng)域。
　　數(shù)字圖像取證技術(shù)可以分為主動(dòng)取證和被動(dòng)取證兩大類。主動(dòng)取證是指需要事先向待取證數(shù)字圖像中嵌入特定

3、信息，檢測(cè)時(shí)通過(guò)提取待檢測(cè)圖像相應(yīng)信息進(jìn)行比對(duì)而得出結(jié)論。被動(dòng)盲取證則是在無(wú)事先向待取證圖像中嵌入任何信息的情況下進(jìn)行真?zhèn)闻袛?。盲取證技術(shù)因?yàn)槠鋺?yīng)用的廣泛性而備受關(guān)注。
　　本文以判斷數(shù)字圖像的真?zhèn)螢橹骶€，重點(diǎn)研究了針對(duì)數(shù)字圖像幾種篡改方式的盲取證技術(shù)。具體工作包括以下幾個(gè)方面:
　　(1)提出了一種利用脊波變換進(jìn)行復(fù)制-粘貼圖像篡改的檢測(cè)算法。算法將圖像從空間域轉(zhuǎn)化到頻域，首先將圖像進(jìn)行分塊，然后對(duì)每塊圖像進(jìn)行脊波變換，將

4、所得二維矩陣轉(zhuǎn)化為一維向量并抽取部分作為圖像塊的不變特征向量。對(duì)該特征向量進(jìn)行字典排序，通過(guò)計(jì)算歐氏距離來(lái)尋找相似度超過(guò)某一閾值的相似塊，從而判定圖像中是否存在復(fù)制-粘貼篡改。實(shí)驗(yàn)結(jié)果表明，該算法不僅能夠準(zhǔn)確定位復(fù)制粘貼篡改區(qū)域的位置，并且對(duì)高斯白噪聲、高斯模糊以及JPEG壓縮有較好的魯棒性，特別是對(duì)新的壓縮標(biāo)準(zhǔn)JPEG2000也具有較好的魯棒性。
　　(2)提出了一種基于擴(kuò)展馬爾科夫特征的算法用于檢測(cè)近幾年非常流行的基于內(nèi)容感知

5、的圖像縮放技術(shù)Seam-Carving。Seam-Carving可以在盡量不改變圖像主要細(xì)節(jié)內(nèi)容，意即不對(duì)圖像主要細(xì)節(jié)進(jìn)行拉伸、扭曲和刪改的情況下，對(duì)圖像進(jìn)行縮放。該技術(shù)也經(jīng)常被用于移除數(shù)字圖像中的某處細(xì)節(jié)，比如一個(gè)人或者某個(gè)特定物體來(lái)達(dá)到篡改圖像的目的。截至目前對(duì)這種新穎高效的縮放和篡改方法的檢測(cè)技術(shù)研究還不多。所提算法針對(duì)傳統(tǒng)馬爾科夫特征進(jìn)行了擴(kuò)展，擴(kuò)展后的新特征不僅能夠反映DCT塊內(nèi)部的相關(guān)性變化，也能反映DCT塊間的相關(guān)性變化，

6、從而使新特征對(duì)使用Seam-Carving進(jìn)行篡改過(guò)的圖像更加敏感，在檢測(cè)準(zhǔn)確率上遠(yuǎn)遠(yuǎn)超出基于傳統(tǒng)馬爾科夫特征的檢測(cè)方法，也優(yōu)于現(xiàn)有的Seam-Carving篡改檢測(cè)算法。
　　(3)針對(duì)現(xiàn)有的以JPEG壓縮圖像為目標(biāo)的取證技術(shù)，提出了一種改進(jìn)的基于混沌理論的反取證技術(shù)。算法首先將原始的JPEG圖像進(jìn)行DCT變換，根據(jù)得到的系數(shù)矩陣估計(jì)出壓縮前的圖像DCT系數(shù)的分布模型。根據(jù)所得到的分布模型，將基于混沌技術(shù)產(chǎn)生的噪聲添加到DCT系