RAW格式图像来源取证技术研究

Digital image forensics authenticates the content of the inspected image or identifies its origin. This project mainly investigates how to identify source camera for RAW format images, which is a hot topic in the forensic community. This project will be divided into three aspects. First, by analyzing the distribution of pixels in a RAW format image, it is proposed to establish the Poissonian-Gaussian model, estimate model parameters, and investigate the relationship among parameters. Subsequently, based on the pattern noise generated from the sensor during image acquisition, intrinsic fingerprints of a digital camera are extracted based on the proposed model. Finally, within the framework of hypothesis testing theory, together with the Neyman-Pearson lemma, the proposed statistical detectors can maximize the true positive rate at the prescribed false alarm probability. In the case where all model parameters are perfectly known, the optimal Likelihood Ratio Test (LRT) is presented whose performance is theoretically established. Then, in the case where parameters are unknown, two categories of generalized LRTs are designed based on the estimation of those parameters. The first category of detector can identify the inspected image was acquired by which camera model. The second category of detector can identify the inspected image was acquired by which camera device. The achievements of this project will extend the research of image origin identification while boost the development of multimedia information security.

数字图像取证技术用于鉴别图像真伪或识别图像来源。本项目主要研究取证技术中的热点问题：如何识别RAW格式图像的来源。本项目从三方面开展取证研究：首先，分析RAW格式图像的像素分布特征，建立泊松-高斯统计模型，估计模型参数，研究参数之间的关系。然后，依据成像过程中传感器产生的模式噪声，基于泊松-高斯模型提取相机固有指纹。最后，在假设检验理论框架下，依据Neyman-Pearson引理，建立的似然比检测器在给定虚警率条件下使正检率达到最大值。在模型参数已知的条件下，建立最优似然比检测器，并推导最优似然比检测器的统计特征。在参数未知的条件下，建立两类广义似然比检测器。第一类检测器鉴别输入的图像源相机型号；第二类检测器鉴别输入的图像源相机设备。项目成果将扩展图像来源取证的研究范畴，对多媒体信息安全领域的发展具有重要意义。

本项目开展RAW格式图像来源取证技术研究，对多媒体安全有重要意义。课题组紧密围绕RAW格式图像来源取证主题展开理论与方法研究，取得了系列研究成果。在RAW格式图像的像素分布特征研究中，提出泊松-高斯统计模型及参数估计算法，深入研究了参数估计与模型构建的相互关系。在成像传感器噪声的研究中，通过泊松-高斯统计模型，成功提取相机固有指纹。在来源取证统计分类器的研究中，根据假设检验理论框架，推导检测理论边界，同时构建高效的似然比检测器，成功鉴别不同设备源的数字图像。值得一提的是，课题组提出的基于统计模型检测器，首次实现针对RAW格式图像设备个体的检测。充分利用已取得的理论及方法研究成果，同时开展与本项目密切相关的研究。课题组提出基于统计模型的图像重采样检测器，根据图像来源取证中统计模型的理论框架，深入研究图像重采样前后像素分布特征的变化规律，完成模型构建、参数估计等工作，设计的图像重采样检测器可以有效鉴别原始与重采样图像。课题组提出基于统计模型的自然图像与计算机生成图像检测器，根据两类图像的像素分布特征差异，建立统计模型并完成模型参数估计等工作，设计的自然图像与计算机生成图像检测器可以有效鉴别两类图像，同时可以抵抗常见的图像后处理攻击。课题组提出一种不依赖训练集的无监督自适应隐写分析检测器。首先，根据假设检验理论，提出基于统计模型检测器的基本理论框架。其次，在该理论框架下，重点分析影响检测器性能的三个重要因素及其相互关系。最后，在分析所得结论的指导下，采用权重分配策略，设计两款高性能自适应分析检测器。在项目执行期，课题组还提出基于低维光子响应非均一特征的数字图像来源取证方法、基于卷积神经网络的来源取证抗攻击多分类器、面向特征融合的图像拼接篡改检测方法等，推动了多媒体安全的发展。