Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Buchtitelbild

2017 | OriginalPaper | Buchkapitel

A Multi-purpose Image Counter-anti-forensic Method Using Convolutional Neural Networks

verfasst von : Jingjing Yu, Yifeng Zhan, Jianhua Yang, Xiangui Kang

Erschienen in: Digital Forensics and Watermarking

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

During the past decade, image forensics has made rapid progress due to the growing concern of image content authenticity. In order to remove or conceal the traces that forensics based on, some farsighted forgers take advantage of so-called anti-forensics to make their forgery more convincing. To rebuild the credibility of forensics, many countermeasures against anti-forensics have been proposed. This paper presents a multi-purpose approach to detect various anti-forensics based on the architecture of Convolutional Neural Networks (CNN), which can automatically extract features and identify the forged types. Our model can detect various image anti-forensics both in binary and multi-class decision effectively. Experimental results show that the proposed method performs well for multiple well-known image anti-forensic methods.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Erratum to: Speech Authentication and Recovery Scheme in Encrypted Domain
Nächstes Kapitel Detection of Video-Based Face Spoofing Using LBP and Multiscale DCT
Literatur
1.
Stamm, M.M.C., Wu, M., Liu, K.J.R.: Information forensics: an overview of the first decade. In: IEEE Access, vol. 1, pp. 167–200, May 2013
2.
Stamm, M.M.C., Tjoa, S.K., Lin, W.S., et al.: Anti-forensics of JPEG compression. In Proceedings of IEEE International Conference on Acoustics, Speech, and Signal Processing, pp. 1694–1697, March 2010
3.
Valenzise, M.G., Tagliasacchi, M., Tubaro, S.: Revealing the traces of JPEG compression anti-forensics. IEEE Trans. Inf. Forensics Secur. 8(2), 335–349 (2013)CrossRef
4.
Stamm, M.M.C., Liu, K.J.R.: Anti-forensics of digital image compression. IEEE Trans. Inf. Forensics Secur. 6(3), 1050–1065 (2011)CrossRef
5.
Popescu, A.A.C., Farid, H.: Exposing digital forgeries by detecting traces of resampling. IEEE Trans. Signal Process. 53(2), 758–767 (2005)MathSciNetCrossRef
6.
Kirchner, M.M., Böhme, R.: Hiding traces of resampling in digital images. IEEE Trans. Inf. Forensics Secur. 3(4), 582–592 (2008)CrossRef
7.
Stamm, M.M.C., Liu, K.J.R.: Forensic detection of image manipulation using statistical intrinsic fingerprints. IEEE Trans. Inf. Forensics Secur. 5(3), 492–506 (2010)CrossRef
8.
Stamm, M.M.C., Liu, K.J.R.: Blind forensics of contrast enhancement in digital images. In: Proceedings of IEEE International Conference on Image Processing, San Diego, CA, pp. 3112–3115, October 2008
9.
Cao, G.G., Zhao, Y., Ni, R., Tian, H.: Anti-forensics of contrast enhancement in digital images. In: Proceedings of ACM Workshop Multimedia and Security, pp. 25–34 (2010)
10.
Kwok, C.-W., Au, O.C., Chui, S.-H.: Alternative anti-forensics method for contrast enhancement. In: Shi, Y.Q., Kim, H.-J., Perez-Gonzalez, F. (eds.) IWDW 2011. LNCS, vol. 7128, pp. 398–410. Springer, Heidelberg (2012). doi:10.​1007/​978-3-642-32205-1_​32 CrossRef
11.
Valenzise, G.G., Tagliasacchi, M., Tubaro, S.: Revealing the traces of JPEG compression anti-forensics. IEEE Trans. Inf. Forensics Secur. 8(2), 335–349 (2013)CrossRef
12.
Yuan, H.H.: Blind forensics of median filtering in digital images. IEEE Trans. Inf. Forensics Secur. 6(4), 1335–1345 (2011)CrossRef
13.
Kirchner, M.M., Fridrich, J.: On detection of median filtering in digital images. In: Memon, N.D., Dittmann, J., Alattar, A.M., Delp, E.J. (Eds.) Media Forensics and Security II, part of the IS&T-SPIE Electronic Imaging Symposium, Proceedings, vol. 7541 of SPIE Proceedings, San Jose, CA, USA, 18–20 January 2010, p. 754110, SPIE (2010)
14.
Dang-Nguyen, D.D.T., Gebru, I.D., Conotter, V., et al.: Counter-forensics of median filtering. In: 2013 IEEE 15th International Workshop on Multimedia Signal Processing (MMSP), pp. 260–265, September 2013
15.
Wu, Z.Z.H., Stamm, M.C., Liu, K.J.R.: Anti-forensics of median filtering. In: Proceedings of IEEE International Conference on Acoustic, Speech, and Signal Processing, pp. 3043–3047, Vancouver, Canada, May 2013
16.
Simonyan, K.K., Zisserman, A.: Very deep convolutional networks for large-scale image recognition. In: Proceedings of ICLR (2015)
17.
Krizhevsky, A.A., Sutskever, I., Hinton, G.: Imagenet classification with deep convolutional neural networks. In: Advances in Neural Information Processing Systems, pp. 1097–1105 (2012)
18.
Bas, P., Filler, T., Pevný, T.: “Break our steganographic system”: the ins and outs of organizing BOSS. In: Filler, T., Pevný, T., Craver, S., Ker, A. (eds.) IH 2011. LNCS, vol. 6958, pp. 59–70. Springer, Heidelberg (2011). doi:10.​1007/​978-3-642-24178-9_​5 CrossRef
19.
Lecun, Y.Y., BoUou, L., Bengio, Y., Haffner, P.: Gradient-based learning applied to document recognition. Proc. IEEE 86(11), 2278–2324 (1998)CrossRef
20.
Srivastava, N., et al.: Dropout: a simple way to prevent neural networks from overfitting. J. Mach. Learn. Res. 15(1), 1929–1958 (2014)MathSciNetMATH
21.
Nair, V., Hinton, G.E.: Rectified linear units improve restricted boltzmann machines. In: Proceedings of the 27th International Conference on Machine Learning (ICML 2010) (2010)
22.
Jiang, Y.Y., Zeng, H., Kang, X., et al.: The game of countering JPEG anti-forensics based on the noise level estimation. In: Proceedings of the Asian-Pacific Signal and Information Processing Association Annual Submit Conference (APSIPA ASC) (2013)
23.
Zeng, H.H., Qin, T., Kang, X., et al.: Countering anti-forensics of median filtering. In: Proceedings of the IEEE International Conference on Acoustics, Speech, and Signal Processing, pp. 2723–2727 (2014)
24.
Peng, A.A., Zeng, H., Kang, X., et al.: Countering anti-forensics of image resampling. In: Proceedings of the 2015 IEEE International Conference on Image Processing (ICIP), pp. 3595–3599, September 2015
Metadaten
Titel
A Multi-purpose Image Counter-anti-forensic Method Using Convolutional Neural Networks
verfasst von
Jingjing Yu
Yifeng Zhan
Jianhua Yang
Xiangui Kang
Copyright-Jahr
2017
Buch
Digital Forensics and Watermarking

Print ISBN: 978-3-319-53464-0

Electronic ISBN: 978-3-319-53465-7

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-53465-7_1