图像中的设备指纹提取与评测方法研究

With the convenience improvement of image acquisition and transmission and the rapid popularization of image editing tools, criminals can easily capture, transmit, modify and edit digital images, and thus achieve the purpose of crime or the implementation of malicious behavior. At this point, digital images become the key evidence of investigation and litigation. Therefore, the forensic technique based on the device fingerprint s extracted from images has become a hotspot of academic research. In order to avoid the deficiency of existing device fingerprinting techniques, this project will focus on the following three aspects of researches: 1) analyzes the advantages and disadvantages of existing image datasets of device fingerprints, and builds a new image dataset with a variety of smart phones as imaging devices, which makes up the lack of smart phones in existing datasets. 2) addresses the fact that the noise in fingerprint is rather difficult to be removed clearly, designs a more scientific method for fingerprint evaluation. 3) researches the theory and method of intelligent extraction of fingerprints from images, based on multi-scale image processing, robust feature extraction, deep learning and other advanced techniques. In order to adapt to the image source identification and image forgery detection, the project will extract the highly general fingerprint with fixed length, small size, multi-scale, robustness to meet the practical requirements of law enforcement and forensics.

图像获取与传输便利性的不断提高、图像编辑工具的快速普及，使得恶意用户能够容易地拍摄、传播、编辑和修改数字图像，进而达到实施恶意行为或犯罪的目的。此时，数字图像将成为侦查取证与司法诉讼的关键证据。因此，基于图像中设备指纹的取证技术已成为学术界研究的热点。针对现有图像中设备指纹技术的不足，本项目将重点开展如下三个方面的研究：1）分析现有设备指纹测试图像库的优缺点，建设以多种智能手机为成像设备的测试图像库，弥补现有测试库中无智能手机图像的不足；2）充分考虑设备指纹中噪声污染难以去除干净这一客观事实，研究更加科学的设备指纹评测理论与方法；3）利用多尺度图像处理、鲁棒特征提取和深度学习等先进技术，深入研究图像中设备指纹的智能提取理论和技术，保证设备指纹具有唯一性、小尺寸、多尺度、鲁棒性、通用性等特性，使其更加适用于图像来源鉴别与图像伪造检测等应用，满足侦查取证与司法诉讼的实际需求。

项目组按计划完成了图像中的设备指纹提取与评测方法研究的主要工作，具体包括：①完成了用于图像视频来源鉴别与取证技术研究的基准数据库建设。②研究了基于深度卷积网络、稀疏编码等一系列高性能的图像中设备指纹的提取算法，并综合采用ROC曲线、AUC值、混淆矩阵和Kappa统计系数作为性能标准进行实验分析与比较。课题组创建的“大兴智能手机鉴别数据库（Daxing Smartphone Identification Dataset）”共使用5个品牌22种型号的90台智能手机采集了43400幅原始图像和1400个原始视频。该数据库具有涉及成像设备种类多、同类成像设备个体数大、每个设备采集数据量大等显著特点，是一项基础性的科研成果；项目组研提的基于三方加权稀疏编码模型的PRNU提取算法、结合深度迭代缩放卷积神经网络的PRNU提取算法、基于样本错配训练的图像PRNU噪声提纯方法、基于密集连接进行有效PRNU提取的分层卷积神经网络、基于双流卷积的压缩图像重采样检测神经网络、基于对偶生成对抗网络的数字成像设备指纹的提取算法、基于高频DCT系数异常检测的二次JPEG压缩检测算法等，是设备指纹提取理论和技术的进一步丰富和完善。该项目成果应用前景主要集中在国家安全和公安领域。对于利用手机图像危害国家安全、泄露国家秘密、扰乱社会秩序等不法行为，国安机关和公安机关可以在获得线索、串并案件、扩线侦查等方面开展图像成像设备源鉴别技术的应用。