图像被动取证技术简述.docx

一、引言

过去10年中，数字图像在日常生活中越发流行。和传统文本内容相比，图像更加直观并能传递更多信息。尽管数字图像带来了很多好处，但是它也在一些方面带来了严重的安全问题，即如何检测数字图像的真实性，以及如何发现恶意修改。随着图像处理软件的进步，篡改图片而不留下视觉上可辨的痕迹更加容易，这使得上述问题更具挑战性。

为了精确并鲁棒地鉴定图像内容和发现图像造假，研究者已经提出了多种数字图像取证方法。一般而言，这些方法可分为两大类：主动方法和被动方法。主动取证方法通常通过设计各种水印或指纹，并将它们嵌入数字图像。在鉴定阶段，提取先前嵌入的水印或指纹，并用来检测判断原图是否被篡改。如果被篡改，则确定篡改位置在何处。这种主动方法能够精确探测数字图像的篡改，但是这些方法并未被广泛应用。其主要原因在于不可能事先对所有互联网上的图像进行水印处理。因此，更多的人选择被动取证方法。通过分析图像生成/修改阶段所留下的特定线索或模式，能够发现图像造假。和主动取证方法相比，被动取证方法不依赖先验或预设信息，在图像取证领域中应用范围更广。

在被动数字图像取证中，多种痕迹被用来区别篡改图像和原始图像。本文中，我们将这些痕迹分为3类：采集痕迹、存储痕迹和编辑痕迹。对每一种痕迹，我们将简要回顾对应的被动数字取证方法，并着重澄清如下问题：

?这些痕迹是什么？它们如何形成？

?图像取证中相关的最新方法是什么？

?为什么这些方法能够探测特定的痕迹？

本文的组织如下：第2~4节，我们逐一介绍被动数字图像取证方法，包括：采集痕迹法、存储痕迹法和编辑痕迹法。第5节讨论当前技术的主要局限，并提出未来可能的研究方向。

二、图像采集中的线索

数字图像从被捕获到被存储，中间需要经历多个处理步骤（图1）。在进入成像设备之前，光线首先会通过一系列镜头。之后，成像设备将其传送到彩色滤色阵列（colorfilterarray，CFA）进行特定的彩色像素排列处理，其仅允许光线的特定成分通过。大多数相机的CFA单元只允许每个像素记录一种颜色的值（红、绿、蓝）。在经过CFA滤波后，光线到达图像传感器——数码相机的关键部分。目前，有两种广泛使用的传感器：电荷耦合器（chargedcoupleddevice，CCD）和互补金属氧化物半导体（complementarymetal-oxidesemiconductor，CMOS）。图像传感器中包含大量光敏二极管，每个光敏二极管与图像的像素一一对应。在每个光敏二极管中，经CFA滤色后的光强被转换为电信号。得到的图像数据的每个像素点表示红、绿、蓝中的一种颜色。因此，为了重建全彩图像，需要进行解镶嵌/去马赛克（demosaic）处理，即通过在所有颜色通道上进行插值，重建缺失的色彩分量。

图1图像采集流程图

上述每个阶段都会在最终图像中引入特定痕迹。这些可以作为图像源识别和篡改检测的线索。以下几个小节简要介绍了镜头阶段、传感器阶段和CFA插值阶段所留下的痕迹，以及利用这些痕迹进行图像取证的典型方法和目前最先进的方法。

（一）图像采集阶段的痕迹

在采集图像时，镜头的设计和制作工艺使得其无可避免地引入失真/像差。数码相机有两种常见的失真：色差（chromaticaberration，CA）和球面差（sphericalaberration，SA）。不同波长的光线通过透镜时的折射率也各不相同，这种现象称为色差现象；轴上物点发出的光束，经球面折射后不再交于一点，这种现象称为球面像差。

传感器模式噪声是图像采集阶段另一种重要特性。在各种传感器噪声中，由光响应不均匀性（photoresponsenonuniformity，PRNU）引起的噪声尤为重要。目前学术界已经提出了多种基于PRNU噪声的数字图像取证方法，涵盖源识别、历史恢复、图像伪造检测等多个领域。PRNU是与成像传感器紧密相关的特性，通过分析图像PRNU可以获得关于成像设备的线索。

CFA过程中的解镶嵌/去马赛克操作同样会留下特定痕迹。在色彩重建时，为了获取图像中每个像素的对应值，需要对3个颜色通道进行插值操作。插值过程不可避免地会在像素之间引入一定的关联性，这种相关性可以被看作是成像设备的固有“指纹”。通过分析解镶嵌/去马赛克痕迹，可以获得成像设备的线索。

（二）利用图像采集痕迹的图像取证

?

1.基于传感器噪声的图像取证

利用相机镜头产生的像差，可以将图像与特定设备相关联，或检测图像是否经过篡改。例如，图像中经常出现的径向畸变现象会导致所成图像发生形变。为解决径向失真问题，数码相机制造商通常会采用各种方法来补偿失真，这些方法相应地会产生不同的痕迹。因此，通过分析这些痕迹可以识别相机制造商甚至相机型号。

传感器模式噪声通常会被用于图像取证。对于图像I，其对应的传感器噪声可以通过以下公式表述