摘要
本文介绍了一种新的数字图像取证方法，称为取证相似性（forensic similarity），该方法用于判断两个图像块是否包含相同的取证痕迹或不同的取证痕迹。这种方法的一个优点是，在未来对某一取证痕迹进行相似性决策时，无需事先具备该痕迹的知识，例如训练样本。为此，我们提出了一种由基于卷积神经网络（CNN）的特征提取器和三层神经网络组成的两部分深度学习系统，后者被称为相似性网络（similarity network）。该系统将图像块对映射到一个分数，指示它们是否包含相同的或不同的取证痕迹。我们评估了该系统在确定两个图像块是否1）由同一相机模型或不同相机模型拍摄；2）经过相同编辑操作或不同编辑操作处理；以及3）在给定特定编辑操作的情况下，是否使用相同的或不同的操纵参数进行处理的准确性。实验结果表明，该方法适用于多种取证痕迹，并且重要的是，在未用于训练系统的“未知”取证痕迹上也显示出有效性。此外，实验还表明所提出的系统显著优于现有技术，错误率降低了超过一半。进一步地，我们在两个实际应用中展示了取证相似性方法的实用性：伪造检测与定位以及数据库一致性验证。