数字媒体固有特征的分析及其在被动认证中的应用

近年来，多媒体被动认证已经成为了信息安全中一个备受关注的前沿领域，它通过对多媒体固有统计特性的分析，为鉴别媒体数据的来源性，完整性等提供了一条新颖且有效的途径。在实际应用当中，被动认证技术能弥补数字水印，数字签名等主动认证技术的某些缺陷，同时还有望与这些技术相结合，更有效地实现媒体认证目的。本项目主要研究数字图像/视频中的某些固有特性，并运用模式识别等技术去分析这些固有特征在篡改前后的变化，用以识别数据来源及检测修改。主要研究内容包括：基于JPEG误差分析的图像认证；基于量化效应的图像信源编码器识别；基于图像分块效应的图像/视频检测；基于视觉特性的图像拼接检测及标准图像库的建立。通过对本项目的研究，能进一步完善多媒体被动认证领域的理论和方法，并为媒体内容认证应用提供技术支撑。

随着各种功能强大的媒体编辑技术的发展，对数字媒体内容进行篡改而不留下任何明显视听觉的痕迹变得越来越容易。如果这些技术被滥用，必将会引起一些涉及到个人道德、伦理、法律及社会安全相关事情的发生。如今，数字媒体取证正面临严峻挑战。本项目主要针对媒体取证中若干关键问题进行探讨，主要的研究成果包括以下几个方面：..1. 基于量化效应的WAVE音频信号压缩历史识别： 通过分析WAVE信号在频率域的MDCT及MFCC系数的量化特征，分析这些系数在不同压缩器及其压缩码率下的统计差异，从中提取出一些统计特征用于识别音频的压缩历史，并进一步估计其原始的压缩码率。 ..2. JPEG图像块的移位重压缩检测：针对JPEG图像块的移位重压缩操作，我们提供了一个新的检测框架，该框架包含了两个互补的检测算法，即：改进的基于ICA方法及首位数字直方图方法。此外，我们从理论及实验上证实了算法的有效性。 ..3. 基于量化效应的图像编码识别技术: 量化效应是现有有损压缩的一个必要步骤，我们通过分析不同图像编码在其相应频率上的量化效应，提出一种有效的方法用于检测信号是否存在量化，并将其应用于识别给定的BMP图像的压缩编码历史。 ..4. 基于模式噪声相机源识别的反取证技术。模式噪声是一种有效的用于识别源相机的特征，我们从篡改者角度出发，提出了一种基于分块随机及图像纹理自适应的模式噪声重嵌入策略，用于混淆现有的相机源识别方法。..5. 基于量化效应的数字视频码率/帧率的源识别技术。与音频、图像压缩类似，量化是有损视频压缩的必要步骤之一。我们考察了视频帧在空域及时间域上的压缩效应，分别提出了一种用于检测视频原始帧率及码率的算法。..项目能按照原定计划进行，通过本项目的研究，已经发表SCI期刊论文5篇，已经接受1篇，国际学术会议5篇，新申请国家专利3项，获得授权专利2项。此外，获得后续资助的项目有：国家自然科学基金-面上项目1项，广东省自然科学基金1项及广州市珠江科技新星1项。