【技术实现步骤摘要】
本专利技术涉及计算机视觉、取证，具体涉及对迭代fgsm反取证攻击鲁棒的像素级定位取证方法。
技术介绍
1、数字图像是互联网时代传播信息的重要载体。随着图像处理技术的发展，数字图像容易被非法伪造和篡改，且人眼往往难以察觉。篡改图像的传播会对个人隐私、社会秩序和国家安全造成威胁。图像取证技术能够帮助人们鉴别篡改图像，其中像素级取证定位模型能够进一步定位出图像中的篡改区域。随之出现了反取证算法，它可以发现取证算法的漏洞，攻击取证模型使其性能下降或失效。
2、一些反取证算法基于对抗样本思想，通过往图像中加入微小而有针对性的扰动，让取证模型得到错误的预测结果。fgsm(fast gradient sign method,快速梯度下降法)是一种经典的对抗样本算法，它基于梯度生成对抗样本，沿着深度模型损失函数收敛方向的相反方向，向图像中加入固定大小的扰动噪声，旨在使模型的损失函数最大化。基于fgsm的反取证流程为：首先对图像进行篡改，并通过后处理操作隐藏篡改痕迹；然后计算扰动噪声，让篡改图像经过待攻击的取证模型，根据取证模型的预测输出和真实的篡改区域掩码来计算梯度值，根据该梯度值计算扰动噪声；最后在篡改图像中加入扰动噪声，生成反取证样本。i-fgsm(iterative fast gradient sign method,迭代快速梯度下降法)在fgsm的基础上通过迭代的方式对样本展开多轮攻击，并在每次迭代后重新计算梯度方向，能够更精准地攻击目标模型。
3、近年来，涌现出很多基于深度学习的像素级取证定位模型，且在提升取证
技术实现思路
1、本专利技术目的：在于提供对迭代fgsm反取证攻击鲁棒的像素级定位取证方法，该方法设计了一种像素级定位取证模型，能够取得较高的取证定位精度，且对迭代fgsm反取证攻击相对鲁棒。
2、为实现以上功能，本专利技术设计对迭代fgsm反取证攻击鲁棒的像素级定位取证方法，针对包含篡改区域的图像，执行如下步骤s1-步骤s4，完成对图像篡改区域的定位取证：
3、步骤s1：采集包含篡改区域的图像；
4、步骤s2：构建像素级定位取证模型，该模型由特征提取模块、多尺度模块、解码器模块三部分组成；其中特征提取模块以所采集的图像为输入，基于注意力机制对输入图像进行特征提取，将所提取特征输入多尺度模块；多尺度模块通过多个分支将输入特征分为多个特征，将多个特征进行拼接、降维，并输出特征到解码器模块；解码器模块与特征提取模块的对应部分使用跳跃连接相连，最终解码器模块输出预测的图像篡改区域掩码；
5、步骤s3：对步骤s2所构建的像素级定位取证模型进行训练，获得训练好的像素级定位取证模型；
6、步骤s4：测试步骤s3所获得的像素级定位取证模型，以验证该模型的定位取证效果和在迭代fgsm反取证攻击下的鲁棒性。
7、作为本专利技术的一种优选技术方案：步骤s2所述的特征提取模块对输入图像进行特征提取的过程如下：
8、特征提取模块包含rgb特征提取器、srm特征提取器，以及srm层；
9、rgb特征提取器和srm特征提取器分别用于提取输入图像的rgb色彩特征和srm噪声特征，srm层由三个srm滤波器核组成，srm滤波器核大小为5×5×3，输出通道大小为3，三个srm滤波器核的权重如下式所示：
10、
11、rgb特征提取器和srm特征提取器分别包含四个特征提取单元，每个特征提取单元依次包含一个密集块、一个transition层和注意力机制scse层；密集块包含多个特征提取层，各特征提取层之间以密集方式连接，transition层包含bn层、relu层、一个卷积层和一个平均池化层，用于对密集块输出的高维特征进行降维；注意力机制scse层包括并联的空间注意力模块和通道注意力模块；
12、在特征提取模块中，输入图像的初始rgb特征矩阵经过rgb特征提取器的四个特征提取单元，依次得到rgb特征矩阵x1、x2、x3、x4；输入图像通过srm层得到初始srm特征矩阵，经过srm特征提取器的四个特征提取单元，依次得到srm特征矩阵x11、x22、x33、x44；将这八个特征矩阵保存下来，通过双重跳跃连接送入之后的解码器模块。
13、作为本专利技术的一种优选技术方案：步骤s2所述的多尺度模块对输入特征的处理过程如下：
14、多尺度模块包括依次相连的空间注意力模块、空洞空间金字塔池化模块、通道注意力模块、密集块、bn层和relu层；
15、其中，空洞空间金字塔池化模块包含五个分支，分别是一个普通卷积层、三个具有不同膨胀率的膨胀卷积层、一个池化模块，输入特征经过上述五个分支得到五个特征，将各特征在通道维度上进行拼接，将拼接后的特征进行降维，最后通过bn层和relu层后输出特征；
16、将特征提取模块的rgb特征提取器得到的rgb特征矩阵x4经过上述多尺度模块，得到特征矩阵x4'，将x4'与特征提取模块的srm特征提取器得到的srm特征矩阵x44在通道维度上进行拼接，得到特征矩阵x。
17、作为本专利技术的一种优选技术方案：步骤s2所述的解码器模块输出预测的定位取证掩码的过程如下：
18、解码器模块包含四个解码单元和一个卷积层，每个解码单元依次包含一个卷积层、一个残差块、一个反卷积层和注意力机制scse层；残差块包含三个卷积层和一个残差连接，反卷积层对特征图进行上采样，将其尺寸变为原来的2倍；
19、解码器模块用于对多尺度模块输出的特征矩阵x进行上采样，特征矩阵x每经过一个解码单元，就将得到的特征矩阵通过双重跳跃连接送入rgb特征矩阵x1、x2、x3、x4和srm特征矩阵x11、x22、x33、x44中对应的特征矩阵进行拼接，再将拼接后的特征矩阵送入下一个解码单元进行上采样；解码器最后的卷积层输出预测的图像篡改区域掩码。
20、作为本专利技术的一种优选技术方案：步骤s3中，对所构建的像素级定位取证模型进行500轮训练至收敛，获得训练好的像素级定位取证模型。
21、作为本专利技术的一种优选技术方案：步骤s4中，测试像素级定位取证模型的鲁棒性时，将迭代fgsm反取证攻击的限制参数ε设置为0.01，单轮扰动幅值α设置为0.001，攻击轮次steps设置为5、10，用两种不同强度的迭代fgsm反取证方法对像素级定位取证模型进行攻击。
22、本专利技术还设计一种电子设备，包括存储装置、一个或多个处理器、存储装置用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现所述的对迭代fgsm反取证攻击鲁棒的像素级本文档来自技高网...
【技术保护点】
1.对迭代FGSM反取证攻击鲁棒的像素级定位取证方法，其特征在于，针对包含篡改区域的图像，执行如下步骤S1-步骤S4，完成对图像篡改区域的定位取证：
2.根据权利要求1所述的对迭代FGSM反取证攻击鲁棒的像素级定位取证方法，其特征在于，步骤S2所述的特征提取模块对输入图像进行特征提取的过程如下：
3.根据权利要求2所述的对迭代FGSM反取证攻击鲁棒的像素级定位取证方法，其特征在于，步骤S2所述的多尺度模块对输入特征的处理过程如下：
4.根据权利要求3所述的对迭代FGSM反取证攻击鲁棒的像素级定位取证方法，其特征在于，步骤S2所述的解码器模块输出预测的定位取证掩码的过程如下：
5.根据权利要求1所述的对迭代FGSM反取证攻击鲁棒的像素级定位取证方法，其特征在于，步骤S3中，对所构建的像素级定位取证模型进行500轮训练至收敛，获得训练好的像素级定位取证模型。
6.根据权利要求1所述的对迭代FGSM反取证攻击鲁棒的像素级定位取证方法，其特征在于，步骤S4中，测试像素级定位取证模型的鲁棒性时，将迭代FGSM反取证攻击的限制参数ε
7.一种电子设备，其特征在于，包括存储装置、一个或多个处理器、存储装置用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一项所述的对迭代FGSM反取证攻击鲁棒的像素级定位取证方法。
8.一种计算机可读存储介质，其内部存储计算机程序，其特征在于，计算机程序被处理器执行时实现如权利要求1-6中任一项所述的对迭代FGSM反取证攻击鲁棒的像素级定位取证方法。
...【技术特征摘要】
1.对迭代fgsm反取证攻击鲁棒的像素级定位取证方法，其特征在于，针对包含篡改区域的图像，执行如下步骤s1-步骤s4，完成对图像篡改区域的定位取证：
2.根据权利要求1所述的对迭代fgsm反取证攻击鲁棒的像素级定位取证方法，其特征在于，步骤s2所述的特征提取模块对输入图像进行特征提取的过程如下：
3.根据权利要求2所述的对迭代fgsm反取证攻击鲁棒的像素级定位取证方法，其特征在于，步骤s2所述的多尺度模块对输入特征的处理过程如下：
4.根据权利要求3所述的对迭代fgsm反取证攻击鲁棒的像素级定位取证方法，其特征在于，步骤s2所述的解码器模块输出预测的定位取证掩码的过程如下：
5.根据权利要求1所述的对迭代fgsm反取证攻击鲁棒的像素级定位取证方法，其特征在于，步骤s3中，对所构建的像素级定位取证模型进行500轮训练至收敛，获得训练好的像素...
【专利技术属性】
技术研发人员：胡轶宁，顾思琦，王征，张宇宁，谢理哲，
申请(专利权)人：新型显示与视觉感知石城实验室，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。