文档名：多色彩通道特征融合的GAN合成图像检测方法
摘要：当前,生成对抗网络(GenerativeAdversarialNetworks,GAN)合成的逼真图像难以识别,严重危害国家网络安全及社会稳定.与此同时,多数基于深度神经网络模型设计的检测器需要大规模训练样本,且存在模型可解释度不高、泛化性能差等问题.为了克服上述亟待解决的关键性难题,本文提出一种多色彩通道特征融合的GAN合成图像检测方法.首先,探索分析真实自然图像和GAN合成图像在不同色彩空间相邻像素之间的差异,并设计差异度量算法,完成色彩通道选择.其次,利用图像像素间的高度相关性,在八个方向上通过二阶马尔可夫链对相邻像素之间的差分数组进行建模,提取差分像素邻接矩阵特征.最后,利用上述特征,设计一种简单且高效的集成分类器完成GAN合成图像的检测任务.在基于StyleGAN模型合成的伪造人脸数据集中,所提出方法的检测准确率高达100.00%;在小样本训练约束条件下,正负样本对数仅仅为2时,检测准确率高达99.65%;在单类样本训练约束条件下,正样本数仅仅为50时,检测准确率高达92.84%.在基于更先进的StyleGAN2和PGGAN模型合成的伪造场景数据集中,所提出方法的检测准确率达到99.96%以上.以上大量实验表明,本文所提出的方法明显优于比较的GAN合成图像检测方法.本文方法已经开源:https://github.com/cyxcyx559/ccss.
Abstract：Currently,itisverydifficulttoidentifytheimagessynthesizedbygenerativeadversarialnetworks(GAN),whichseverelyposesthethreatonnationalcybersecurityandsocialstability.Meanwhile,mostclassifiersbasedondeepneuralnetworksrequirelarge-scalesamplesfortraining,wheretheproblemssuchaslowmodelinterpretabilityandpoorgeneralizationperformancearelessaddressed.Toovercomethelimitations,weproposetodesigntheensembleclassifierusingfusedfeaturesinthemulti-colorchannels.Firstofall,bystudyingthediscriminationofadjacentpixelsinthemulti-colorchannelsbetweennaturalandGANsyntheticimages,thedifferencemetricisdesignedbasedonthecorrela-tionofadjacentpixels,inordertoselecttheoptimalcolorchannels.Secondly,byutilizingthehighly-correlatedrelation-shipamongpixels,thedifferencearraybetweenadjacentpixelsaremodeledthroughasecond-orderMarkovchainalongeightdirections,andmeanwhilethesubtractivepixeladjacencymatrixfeaturesaresuccessfullyextracted.Finally,basedontheextractedfeatures,asimplebutefficientdetectorforidentifyingGANsyntheticimagesisconstructed.Intheimageda-tasetsynthesizedbytheStyleGANmodel,theresultsshowthattheaccuracyoftheproposeddetectorcanreach100.00%.ItcanalsoidentifyGANsyntheticimagesverywellwhenthepairnumberofpositiveandnegativetrainingsamplesis2(99.65%accuracy)oronly50positivetrainingsamplesareprovided(92.84%accuracy).Theaccuracycanalsoreachmorethan99.96%intheimagedatasetsynthesizedbyStyleGAN2andPGGANmodels.Numerousexperimentsshowthattheproposedmethodinthispaperisbetterthanthecomparedforensicmethods.Ourcodeisavailableathttps://github.com/cyxcyx559/ccss.
作者：乔通 陈彧星 谢世闯 姚恒 罗向阳 Author：QIAOTong CHENYu-xing XIEShi-chuang YAOHeng LUOXiang-yang
作者单位：杭州电子科技大学网络空间安全学院,浙江杭州310016;中国科学院信息工程研究所信息安全国家重点实验室,北京100093;河南省网络空间态势感知重点实验室,河南郑州450001杭州电子科技大学网络空间安全学院,浙江杭州310016上海理工大学光电信息与计算机工程学院,上海200093河南省网络空间态势感知重点实验室,河南郑州450001
刊名：电子学报 ISTICEIPKU
Journal：ActaElectronicaSinica
年，卷(期)：2024, 52(3)
分类号：TP391.41
关键词：图像取证 色彩通道 特征融合 生成对抗网络 马尔可夫链 集成分类器
Keywords：imageforensics colorchannels featuresfusion generativeadversarialnetworks Markovchain ensem-bleclassifier
机标分类号：TP391.41TP183TN918.1
在线出版日期：2024年5月16日
基金项目：多色彩通道特征融合的GAN合成图像检测方法[
期刊论文] 电子学报--2024, 52(3)乔通 陈彧星 谢世闯 姚恒 罗向阳当前,生成对抗网络(GenerativeAdversarialNetworks,GAN)合成的逼真图像难以识别,严重危害国家网络安全及社会稳定.与此同时,多数基于深度神经网络模型设计的检测器需要大规模训练样本,且存在模型可解释度不高、泛化性...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
多色彩通道特征融合的GAN合成图像检测方法 GAN Synthetic Image Detection Using Fused Features in the Multi-Color Channels
多色彩通道特征融合的GAN合成图像检测方法.pdf
- 文件大小:
- 5.38 MB
- 下载次数:
- 60
-
高速下载
|
|
