面向GAN生成图像的被动取证及反取证技术综述

• 作者: 何沛松 李伟创 张婧媛 王宏霞 蒋兴浩
• 来源期刊: 中国图象图形学报
• 学科: 工学
• 关键词: 数字图像取证 反取证 生成对抗网络(GAN) 卷积神经网络(CNN) 图像生成
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 综述|Review
• 页码范围: 88-110
• 页数: 23页
• 分类号: TP391
• 语种: 中文
• DOI: 10.11834/jig.210430

摘要

生成对抗网络(generative adversarial network,GAN)快速发展,并在图像生成和图像编辑技术等多个方面取得成功应用.然而,若将上述技术用于伪造身份或制作虚假新闻,则会造成严重的安全隐患.多媒体取证领域的研究者面向GAN生成图像已提出了多种被动取证与反取证方法,但现阶段缺乏相关系统性综述.针对上述问题,本文首先阐述本领域的研究背景和研究意义,然后分析自然图像采集与GAN图像生成过程的区别.根据上述理论基础,详细介绍了现有GAN生成图像的被动取证技术,包括:GAN生成图像检测算法,GAN模型溯源算法和其他相关取证问题.此外,针对不同应用场景介绍基于GAN的反取证技术.最后,通过实验分析当前GAN生成图像被动取证技术所面临的挑战.本文根据对现有技术从理论和实验两方面的分析得到以下结论:现阶段,GAN生成图像的被动取证技术已在空间域和频率域形成了不同技术路线,较好地解决了简单场景下的相关取证问题.针对常见取证痕迹,基于GAN的反取证技术已能够进行有效隐藏.然而,该领域研究仍存在诸多局限:1)取证与反取证技术的可解释性不足;2)取证技术鲁棒性和泛化性较弱;3)反取证技术缺乏多特征域协同的抗分析能力等.上述问题和挑战还需要研究人员继续深入探索.