基于密集快速特征提取的可视媒体篡改检测研究

This proposal will study the method for detection of tampering in the visible medias, possibly being used for the areas like forensics and Internet information security etc. We focus on the key-point of tampering detection problem, namely feature extraction, to perform our research. Unlike the traditional approach increasing the dimension of the feature vector, we densely extract the features to improve the detection accuracy via utilizing the correlation between the pixel and its neighborhood. Considering the great amount of videos in the Internet, we try to extract features from partly compressed video to guarantee the speed. In addition, inspired by the recent progress in deep learning area, we introduce unsupervised clustering and sparse coding techniques to process the extracted features. The proposal will construct a visible media database which is close to the practical situation, in order to confirm the theoretical result of our research. The expected results will be helpful to the research and application of the areas like Internet information security and digital forensics.

本项目将研究图像和视频这些可视媒体的篡改检测方法，可应用于调查取证和网络信息安全等重要领域。研究工作着眼于特征提取这一篡改检测问题的关键点，转变传统思路，不以增加特征维度为目标，而是以加密的方式分析每一个像素点和它周围邻域之间的关系，以更好地发现篡改痕迹，达到提高篡改检测准确率的目的。同时针对视频数据量大的特点，提取特征前不全部解码视频，而是部分解码视频计算得到差分图像，基于此快速提取篡改检测特征。所提取特征的后续处理过程将吸收深度学习领域的研究成果，引入非监督学习、多层稀疏编码等技术，以提高特征分类效果。最后，本项目将在自主搭建的符合实际应用场景的可视媒体库验证理论研究成果的正确性，并开发具有一定实际应用价值的可视媒体篡改检测原型系统。预期研究成果将对网络信息安全和数字取证领域的研究和应用带来贡献。

可视媒体篡改检测技术对于我国网络安全和信息化建设有着重要意义。可视媒体是传递信息的载体和揭示事实真相的依据，但如果媒体内容受到恶意篡改将可能引发严重社会问题。本项目着眼于特征提取和特征处理分类两个篡改检测中面临的关键问题，以密集和快速提取特征作为研究突破口。主要研究内容包括图像媒体的密集特征提取技术、视频压缩域特征提取技术和所提取特征的分类方法等三个方面。课题组的第一项重要工作是探索了从视频压缩域中快速提取拍摄设备指纹特征的可能性，设计了相应的计算机解决算法，并从理论上证明了算法的正确性。实验证明从视频压缩域中提取指纹特征与传统的从空域视频中提取有着相仿的精度效果，并且更为重要的是大大降低了整个提取过程的时间复杂度。课题组的第二项重要工作是改进了美国Binghamton大学Matthias课题组所提出的图像加噪检测的方法。相比原来的方法，课题组提出策略更加简单但效果更好。课题组还提出了如何在压缩域进行视频内容特征提取的方法，以及如何利用信息嵌入之方式进行图像内容认证的方法。课题组的研究成果表明，首先，在可视媒体的压缩域进行特征提取用于检测篡改操作是可行的，并且可以大大降低整个检测过程的时间复杂度；其次，采用密集策略提取特征对检测准确度有显著提高。