数字图像取证发展趋势与面临的挑战

李山

【摘要】 目前针对数字图像的取证技术多种多样、数不胜数，但是每一种取证方法不能检测所有的篡改图像，从最简单的针对同幅图之间的复制—粘贴的篡改检测方法，到当前基于计算机视觉的篡改取证手段，无一都是每种方法对应一种或几种篡改操作。当前不能够建立一套自动化检测模型来鉴定数字照片的真实性和完整。每天我们会看到数量巨大的数字图像，其中的一些可能遭受了不同程度的篡改，而篡改所造成的影响正在不断地研究中。

【关键词】 数字图像 取证技术 篡改鉴定

数字图像无处不在，从随处可见的手机到各大媒体网站。随着数字图像处理技术的不断发展以及众多图像处理软件的出现，任何普通用户具备一定的软件使用能力，都可以对数字照片进行修改。当一些修改不再保持图像原本的真实性，开始对社会造成威胁的时候，对这些篡改操作进行有效检测的方法变得越来越重要。篡改手段有复制—粘贴、重采样和重压缩等，取证则主要分为三种：基于相机属性的图像来源认证、基于输出图像块效应的检测以及基于图像场景属性的取证[1]。

一、基于相机属性的相机来源认证

对于相机来源认证，所关注的焦点是针对取证确定图像数据的设备来源[2]。相机来源认证分为设备分类认证和特定设备认证。通常，相机来源认证是基于数字相机所具有的一些属性特征，这些属性特征是以图像块效应、失真以及统计特性等形式呈现的，不为人眼显而易见的，然而一些视觉影响也会提供一些认证线索。设备分类认证是为了确定产生图像设备的模型或者生产厂商。Choi等引入了一种提取图像畸变模型的方法，将其畸变模型作为特征进行分类[3]。而特定设备的认证则是精确的定位产生图像的设备，Goljan 和 Fridrich 在论文基于传感器噪声对相机认证技术进行了扩展使其适用于更一般的情况，实现了对检测的图像同时遭受到了裁剪和缩放的鉴定。但是当数字图像所具有的相机本身属性不清晰或者在传送过程中造成很大的噪声，使得根据数字图像的信息不能够完成对相机的认证。

二、基于输出图像块效应的篡改检测

针对复制—粘贴的篡改检测、重采样篡改检测以及双重JPEG压缩篡改检测适合用来对图像进行自动分析，通过输出图像所具有的的块效应，例如压缩质量因子不一致、不连续性以及块之间的相似性等。一般是将图像进行分块，通过滑块的思想对每个分块进行特征提取，然后进行块与块之间的相似性分析或者块之间的不一致性检测，同时还可以定位篡改区域以及确定篡改手段。这类取证技术需要一定的计算量，容易对一些颜色单一的图像造成误检。

三、基于图像场景属性的取证

最近在图像取证方面出现了一些基于图像场景属性的取证方法。这些方法涉及到与用户之间的交互，尤其需要人类对场景内容知识的了解。这种取证方法的优点就在于篡改所造成的场景内容不一致是不能或者很难去掩盖的，对篡改检测提供了强有力的工具。Johnson和Farid在论文中提到通过估计不同物体表面的光照方向，判断其光照方向是否具有一致性来实现对数字图像的取证；Lalonde 和 Efros 通过分析图像中颜色的分布来检测裁剪图像。这类方法对于一些特定的场景适用，对场景的要求比较严格。

针对数字图像取证研究队伍在不断地扩大，取证技术飞速的发展，人们对数字图像的真实性越来越重视。三种类型的取证技术都有各自针对的特定情况实现篡改检测，并无统一的标准，而正确的选取取证方法也是至关重要的。

在数字图像取证领域，目前针对特定的情况选择特定的篡改检测方法，然而图像处理技术的发展使得一些检测手段失效，因此今后的发展方向应该是将多种图像特征进行融合综合评判，并且将篡改后造成的微小差异进行放大，提取特征实现数字图像取证。

参 考 文 献

[1] Riess C， Angelopoulou E. Scene illumination as an indicator of image manipulation[C]//Information Hiding. Springer Berlin Heidelberg， 2010： 66-80.

[2] Swaminathan A， Wu M， Liu K J R. Component forensics[J]. Signal Processing Magazine， IEEE， 2009， 26（2）： 38-48.

[3] San Choi K， Lam E Y， Wong K K Y. Automatic source camera identification using the intrinsic lens radial distortion[J]. Optics express， 2006， 14： 11551-11565.