面向深度伪造的溯源取证方法

被引：5

作者：

王丽娜 ^{[1
]}

聂建思 ^{[1
]}

汪润 ^{[1
]}

翟黎明 ^{[1
]}

机构：

[1] 武汉大学空天信息安全与可信计算教育部重点实验室

来源：

清华大学学报(自然科学版) | 2022年 / 05期

基金：

国家重点研发计划;

关键词：

图像合成与篡改; 深度伪造; 溯源取证;

D O I：

10.16511/j.cnki.qhdxxb.2022.21.001

中图分类号：

TP391.41 []; TP183 [人工神经网络与计算];

学科分类号：

080203 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

近年来，生成对抗网络(GAN)的迅速发展使得合成图像越来越逼真，对个人和社会造成了极大的威胁。现有的研究致力于被动地鉴别伪造产品，但在真实应用场景下通常面临通用性不足和鲁棒性差等两大难题。因此，该文提出了一种面向深度伪造的溯源取证方法，将秘密信息隐藏到图像中以追踪伪造图像的源头。设计了一个端到端的深度神经网络，该网络由嵌入网络、 GAN模拟器和恢复网络等3部分组成。其中，嵌入网络和恢复网络分别用于实现秘密信息的嵌入和提取，GAN模拟器用于模拟各种GAN的图像变换。实验中在已知GAN的篡改下恢复图像的平均归一化互相关(NCC)系数高于0.9,在未知GAN的篡改下平均NCC也能达到0.8左右，具有很好的鲁棒性和通用性。此外，该方法中嵌入的秘密信息具有较好的隐蔽性，平均峰值信噪比(PSNR)在30 dB左右。

引用

页码：959 / 964

页数：6

共 4 条

[1] 数字水印演化设计
郝彦军
朱琴
王丽娜
张焕国
[J]. 计算机工程, 2006, (06) : 157 - 159
[2] Media Forensics and DeepFakes: an overview[J] . Luisa Verdoliva. IEEE Journal of Selected Topics in Signal Processing . 2020 (99)
[3] AttGAN: Facial Attribute Editing by Only Changing What You Want.[J] . He Zhenliang,Zuo Wangmeng,Kan Meina,Shan Shiguang,Chen Xilin. IEEE transactions on image processing : a publication of the IEEE Signal Processing Society . 2019 (11)
[4] Exploring robust and blind watermarking approach of colour images in DWT-DCT-SVD domain for copyright protection
Xu, Hongcai
Kang, Xiaobing
Wang, Yihan
Wang, Yilan
[J]. INTERNATIONAL JOURNAL OF ELECTRONIC SECURITY AND DIGITAL FORENSICS, 2018, 10 (01) : 79 - 96

← 1 →