乔通，姚宏伟，潘彬民，徐明，陈艳利

基于深度学习的数字图像取证技术研究进展

乔通1，姚宏伟1，潘彬民1，徐明1，陈艳利2

（1. 杭州电子科技大学网络空间安全学院，浙江 杭州 310018；2. 法国特鲁瓦工程技术大学，特鲁瓦 10000）

随着数字图像篡改技术不断的革新换代，传统的取证方法已经无法对抗最新的多媒体篡改手段和技术，尤其是深度造假及深度学习技术带来的全新挑战。总结提炼了包括图像预处理模块、特征提取模块及分类结果后处理模块的通用数字图像取证框架，并在提出的框架基础之上分析现有相关研究的优缺点，同时归纳了数字图像取证面临的挑战并指明未来的发展方向。

数字图像取证；卷积神经网络；来源识别；篡改检测

1 引言

数字图像是人类生活中非常重要的信息载体，随着5G时代的到来，网络传输效率进一步提升，数字图像逐渐覆盖人们生活的方方面面。与此同时，随着人工智能技术的快速发展，图像编辑技术从依托Photoshop、GIMP等软件手工修改，演变到利用AI技术实现智能化、自动化图像篡改。编辑、伪造、传播数字图像变得简单易行，导致人们对数字图像产生了信任危机，降低了数字图像作为司法证据的可靠性。

此外，一种基于生成对抗网络（GAN，generative adversarial network）的视频篡改方式Deepfake[1]快速兴起，它可以将目标视频中的人脸替换为合成的待攻击人脸。精心制作的Deepfake视频可以制造出一个人的存在和活动假象，这可能导致严重的政治、社会、经济和法律后果。例如，2019年3月，技术人员利用“深度伪造”技术“换脸”明星的事件引起舆论热议。……