唐斌 王煒 鄭皓文

摘要：當(dāng)今社會，圖片造假現(xiàn)象十分泛濫，為解決數(shù)字圖片的真?zhèn)舞b別問題，文章從圖片篡改造假的手段與方法上進(jìn)行了研究與總結(jié)，并針對造假可能使用的方法，利用開源工具提供了篡改檢測的方法建議，這些方法手段經(jīng)開源公司的大量時(shí)間的公開檢驗(yàn)，證明了其可行性，研究建議的方法與結(jié)論可用于多個(gè)領(lǐng)域圖片的“鑒偽”應(yīng)用。文章還開發(fā)了圖片中隱秘信息的自動取證工具，具有一定的學(xué)術(shù)價(jià)值和社會利用價(jià)值。

關(guān)鍵詞：數(shù)字圖片；篡改檢測；盲取證

中圖分類號：TP391

文獻(xiàn)標(biāo)志碼：A

0 引言

數(shù)碼圖片的應(yīng)用日益廣泛，在生活娛樂和學(xué)習(xí)工作上給人們帶來了極大的方便。隨著各種圖片編輯軟件的不斷普及，人們無需掌握專業(yè)的圖片處理技術(shù)即可對數(shù)字圖片進(jìn)行修改，而且修改后的圖片很難通過人眼分辨真?zhèn)?。雖然大部分用戶對數(shù)碼圖片的處理只是出于美化、修飾的目的，但也有故意篡改的違法目的，惡意傳播，從而危害到網(wǎng)絡(luò)輿情、司法鑒定等重要領(lǐng)域，急需有效的方法來檢測數(shù)字圖片的真?zhèn)?，以保證數(shù)字圖片的可信度。目前，鑒定數(shù)碼圖片真?zhèn)蔚募夹g(shù)主要有兩種：一種是主動式取證技術(shù)，將數(shù)碼簽名、數(shù)碼水印等標(biāo)識事先埋入數(shù)碼圖片中；另一種是被動式取證技術(shù)，即根據(jù)數(shù)字畫面本身的某些特征，來判斷是否被篡改過的數(shù)字畫面的盲目取證技術(shù)。本次研究的對象是后者。

從美國、德國、韓國、土耳其等國的數(shù)字圖片盲取證科研機(jī)構(gòu)的研究情況來看，美國哥倫比亞大學(xué)Shih-Fuchang研究組已建立起能夠在線對測試圖片進(jìn)行檢測的完整取證系統(tǒng)；Adobe與達(dá)特茅斯學(xué)院的辨?zhèn)螌＜曳ㄈ鸬潞献鳎_發(fā)出一款用于防偽的Photoshop插件工具。國內(nèi)已有北京郵電大學(xué)、北京電子技術(shù)應(yīng)用研究所、同濟(jì)大學(xué)、大連理工大學(xué)等機(jī)構(gòu)成立了相關(guān)的研究室。國內(nèi)學(xué)者在相關(guān)領(lǐng)域也取得了一定的進(jìn)展，朱新同等^［1］提出了一種基于圖片紋理特征的篡改與偽造圖片分類檢測算法；張小娜^［2］提出將圖片分割成若干區(qū)域，通過比對區(qū)域的相似度來確認(rèn)圖片中是否存在復(fù)制區(qū)域，從而判斷該圖片是否偽造。圖片檢測的研究正方興未艾。

1 主要研究內(nèi)容與方法

1.1 圖片篡改的常用方法

1.1.1 合成

合成是指復(fù)制一張圖片中的一個(gè)區(qū)域，然后粘貼到本圖中的其他地方，或者是復(fù)制其他圖片中的某些區(qū)域到另一幅圖片中以添加原本不存在的物體。圖片合成操作后還要采用濾鏡對復(fù)制的邊緣進(jìn)行模糊處理等后續(xù)操作，使篡改在肉眼下不易被發(fā)現(xiàn)。

1.1.2 潤飾

潤飾主要是為了修飾圖片，使其更加美觀。主要方法是將圖片中的某一區(qū)域利用修圖軟件進(jìn)行美化處理（如“一鍵美顏”人臉圖片、圖片風(fēng)景背景替換等），借以達(dá)到美化圖片效果的目的。

1.1.3 計(jì)算機(jī)生成

不同于前幾種篡改方法，這種方法是利用計(jì)算機(jī)中的圖片生成軟件偽造現(xiàn)實(shí)中根本不存在的圖片。該技術(shù)已經(jīng)非常成熟，一般采用人工智能機(jī)器學(xué)習(xí)的方法，人眼很難辨別這類圖片和真實(shí)圖片的區(qū)別。

以上僅是常見的圖片篡改的方法和途徑，隨著時(shí)代的發(fā)展，新技術(shù)的不斷出現(xiàn)，更復(fù)雜、更難以辨別的技術(shù)也會不斷出現(xiàn)。

1.2 偽造檢測原理

1.2.1 克隆檢測

克隆檢測是針對覆蓋痕跡進(jìn)行檢測，基本原理是利用計(jì)算機(jī)視覺算法尋找相似的內(nèi)容區(qū)域。如果在同一幅圖片中檢測到相同的內(nèi)容，就能判定該圖片有克隆復(fù)制的可能。具體的技術(shù)手段可以采用基于像素的檢測，通過對圖片整體像素做統(tǒng)計(jì)分析，分析像素點(diǎn)整體性的分布規(guī)律來判斷圖片是否經(jīng)過篡改。還可識別圖片中重復(fù)的像素，或?qū)D片格式進(jìn)行檢測，如對圖片的壓縮特性進(jìn)行分析，從而對圖片的真?zhèn)芜M(jìn)行檢測。

1.2.2 噪聲檢測

由于成像傳感器在拍照取景時(shí)都會產(chǎn)生不同幅度的成像噪聲，這種噪聲會呈現(xiàn)在相機(jī)所拍的每張照片中，只是由于其幅度非常小，所以人眼不能觀察出來。這種噪聲，每個(gè)攝像頭都是獨(dú)一無二的，叫做camera指紋。在處理照片時(shí)，通過特定的信號處理算法，把照片的內(nèi)容過濾掉，只留下潛在的模式噪聲，看噪聲模式整體是否完整，或者是否有疊加，就可以對圖片的真?zhèn)芜M(jìn)行驗(yàn)證。

1.2.3 光照一致性檢測

這種檢測相對較簡單，每個(gè)圖片場景都有自己獨(dú)特的光照環(huán)境，每個(gè)場景的光照方向往往不盡相同。把不同場景下的照片拼接到同一幅圖中時(shí)，各個(gè)物體所攜帶的光照痕跡就可以被抽取出來用作檢測。通過開發(fā)物理模型，在物體上設(shè)置估計(jì)的光照參數(shù)，再計(jì)算光照參數(shù)間的差異性等流程可以鑒別出圖片的真?zhèn)?sup>［^3-4］。

上述列舉的技術(shù)是幾種常見的取證手段，現(xiàn)在的圖片造假技術(shù)越來越先進(jìn)、越來越逼真，但是圖片篡改檢測技術(shù)也在隨之更新?lián)Q代、愈發(fā)先進(jìn)。

1.3 圖片真?zhèn)螜z測可行性方法

1.3.1 利用開源工具

本項(xiàng)目將開源工具引入數(shù)字圖片的取證工作，開源工具是指在公開渠道發(fā)布并被授權(quán)使用的電子資源，包括軟件、硬件、數(shù)據(jù)庫資料等。開放源代碼工具的作者可以讓用戶進(jìn)行資源的查看、復(fù)制、修改或共享。有些研究機(jī)構(gòu)和公司還通過建設(shè)開源網(wǎng)站來提供一些功能和應(yīng)用，如安卓系統(tǒng)就是谷歌公司的開源工具，開發(fā)者共同進(jìn)行項(xiàng)目的開發(fā)，在代碼共享的基礎(chǔ)上發(fā)展更多的功能。

JPEGSnoop是一款開源的免費(fèi)Windows應(yīng)用程序，可以對JPEG，MotionJPEGAVI和Photoshop文件的內(nèi)部細(xì)節(jié)進(jìn)行檢查和解碼。JPEGSnoop在測試中報(bào)告了大量的信息，包括量化表矩陣（色度和亮度）、色度子、估計(jì)JPEG質(zhì)量設(shè)置、JPEG分辨率設(shè)置、Hofman手表、EXIF元數(shù)據(jù)、Makernotes、RGB直方圖等，該軟件不僅可以確定數(shù)碼相機(jī)在拍攝照片時(shí)使用的各種設(shè)置（ExifMetalData，IPTC），還可以提取JPEG圖像壓縮的質(zhì)量和性質(zhì)的信息文件，這些文件是指示相機(jī)保存照片時(shí)使用的。每個(gè)數(shù)碼相機(jī)都指定了壓縮質(zhì)量等級，其中許多等級差異很大，導(dǎo)致某些相機(jī)比其他相機(jī)能更好地制作JPEG圖像。

錯(cuò)誤水平分析（Ela）工具能比較原圖和重新壓縮后的版本，這能讓篡改的面積呈現(xiàn)各種不同的面貌。例如，可以用比未經(jīng)處理的類似區(qū)域更暗或更亮來識別JPG圖像中不同級別的壓縮偽造。JPG圖片保存的次數(shù)越多，被壓縮的次數(shù)也就越多，所以圖片的編輯部分在分析的時(shí)候會變得不是那么均勻，會比較明顯。

1.3.2 圖片反向溯源鑒別真?zhèn)?/p>

除了使用開源工具能對圖片的真?zhèn)芜M(jìn)行鑒別外，還可以借助另一個(gè)思路對網(wǎng)絡(luò)圖片進(jìn)行反向溯源和分析，查找數(shù)字圖片的原始來源。

反向圖像搜索是最知名和最簡單的數(shù)字調(diào)查技術(shù)之一，“以圖搜圖”可以查找圖片的原始來源或了解圖片首次在網(wǎng)絡(luò)上發(fā)布的大概日期。溯源通常綜合圖像挖掘和編輯工具，可上傳一張圖片點(diǎn)擊不同的工具進(jìn)行反查。整合了挖掘工具的網(wǎng)站有谷歌、必應(yīng)、Yandex、Baidu、Sogou等，其中反向圖像搜索表現(xiàn)最好的是俄羅斯的Yandex、微軟的Bing和Google，TinEye在保護(hù)知識產(chǎn)權(quán)方面做得也不錯(cuò)。

Yandex是迄今為止最好的反向圖像搜索引擎，具有識別人臉、風(fēng)景和物體搜索的強(qiáng)大能力。這個(gè)俄羅斯網(wǎng)站大量利用用戶生成的內(nèi)容，例如旅游評論網(wǎng)站（FourSquare和TripAdvisor）和社交網(wǎng)絡(luò)（約會網(wǎng)站），通過面部和景觀識別查詢獲得非常準(zhǔn)確的結(jié)果。

在圖像搜索網(wǎng)站中，Bing允許裁剪照片（源圖像下方的按鈕）以專注于該照片中的特定元素。裁剪后的畫面結(jié)果會將無關(guān)的元素排除在外，并以使用者所定義的方塊為重點(diǎn)。但是，如果圖像的選定部分很小，則應(yīng)手動裁剪照片并提高分辨率，低分辨率圖像（低于200×200）會帶來較差的結(jié)果。如果使用Google（網(wǎng)址：images.google.com）進(jìn)行反向圖像搜索，搜索過程將限制為僅上傳原始形式的照片，而且結(jié)論為提供最明顯被盜或最受歡迎的圖像的有用結(jié)果，對于大多數(shù)復(fù)雜的溯源研究，就需要其他網(wǎng)站。雖然谷歌、Bing和Yandex一樣能尋找其他相似照片，結(jié)果顯示一個(gè)有著相似衣服和一般面部特征的人，但Yandex會搜索這些匹配以及其他面部匹配的照片，也可用來分析圖片出處，檢驗(yàn)其真?zhèn)巍?/p>

反向圖像搜索引擎在過去十年中取得了巨大進(jìn)步，最重要的是，面部識別AI正在通過FindClone等產(chǎn)品進(jìn)入消費(fèi)者領(lǐng)域，并且可能已經(jīng)用于一些搜索算法。公開可用的面部識別程序可以使用任何社交網(wǎng)絡(luò)（西方開放軟件），如Facebook，Instagram，但也對在線隱私造成重大打擊，同時(shí)以巨大的成本增加數(shù)字研究功能。

1.3.3 人工智能生成相片的識別

機(jī)器生成人像往往都有很大的漏洞，社交媒體分析公司 Graphika 的 Ben Nimmo 將最近在一個(gè)信息戰(zhàn)網(wǎng)絡(luò)中發(fā)現(xiàn)的對抗網(wǎng)絡(luò)（Generative Adversarial Network，GAN）圖像進(jìn)行了分析。從分析結(jié)果可以看出，這些機(jī)器生成的人像的眼睛全部在相同的水平位置上，人們還可以用肉眼看到該種圖像未能正確“融合”的多個(gè)點(diǎn)，這在真實(shí)照片中是不會發(fā)生的。對于GAN創(chuàng)建的圖像，包括眼睛在內(nèi)的圖像通?？赡苁侨觞c(diǎn)，肉眼在圖像的眼睛周邊可以看到有多余的線條，缺乏對稱性以及在自然圖像中不會出現(xiàn)的不自然曲線。還有機(jī)器在對稱圖形的處理上，也有很大的算法上的不完善，例如可以看到一只耳朵有耳環(huán)而另一只耳朵沒有，或者兩側(cè)的耳朵極不對稱。

由于現(xiàn)階段的機(jī)器學(xué)習(xí)的算法還不夠完善，在人工智能的現(xiàn)階段來說，對于機(jī)器生成的圖片，相較于前面的圖片造假是相對較容易識別的一種圖形，一般情況下，用肉眼就能區(qū)別出真?zhèn)?，如果此類圖形后期又經(jīng)過修圖軟件的二次修飾，那么可以借鑒前面的軟件與方法來進(jìn)行識別。

1.4 圖片加密——信息隱寫檢測

圖中信息隱寫的原理是：計(jì)算機(jī)上的圖片由一個(gè)個(gè)像素點(diǎn)組成，每個(gè)像素點(diǎn)可以分解成紅綠藍(lán)3個(gè)子像素，每個(gè)子像素都用一定的數(shù)值表示，只要稍微改變這些數(shù)值就可以傳遞信息，比如把二進(jìn)制的代碼藏在里面，這些代碼表示的信息的接收方可以通過特定的軟件解析出來。隱含的信息，一般都藏在圖片、面單、詩文之類的文本里。密碼隱藏的是信息，密碼隱藏的是信息傳遞的過程。這兩者往往是相伴而生的，在圖片等載體上加密信息后再發(fā)送出去，即使攔截到圖片，也要費(fèi)盡周折才能破解信息。

1.4.1 隱寫術(shù)的破解原理

（1）利用二進(jìn)制表示法中最低有效位（LSB）隱藏痕跡的方式。使用圖片分析軟件，瀏覽3個(gè)顏色通道中的每一位，不斷地嘗試多個(gè)顏色通道，發(fā)現(xiàn)可疑的地方后再慢慢確定是否有密鑰的隱身之處。

（2）利用載體隱匿信息?？梢酝ㄟ^查看圖片的屬性——詳細(xì)信息，以發(fā)現(xiàn)其標(biāo)題和主題是否有可疑的字符，通常情況下加密方式是混合使用的；進(jìn)一步分析它的加密和編碼，如果是BASE64加密，通過在線解密即可得到key。

（3）修改文件頭二進(jìn)制信息使文件打不開的信息隱藏方式?？梢酝ㄟ^二進(jìn)制軟件觀察其文件頭的二進(jìn)制，然后將其手動修改即可。

（4）Gif圖快速閃動的信息隱藏方式?？梢酝ㄟ^看圖軟件來固定每一幀進(jìn)行觀察，從而得到密鑰。

（5）有些信息隱藏在二進(jìn)制代碼的尾部，并且不會影響文件的正常使用。這時(shí)，如果發(fā)現(xiàn)有奇怪的字符可以重新解密，使用二進(jìn)制軟件就可以打開文件觀察。

1.4.2 自編破解軟件——圖種克星

圖種克星是集合了圖種類隱寫文件解密、復(fù)合文檔圖片提取的自動化小程序。運(yùn)行后將自動檢索檢材中的圖片文件，基于對圖片原始大小和隱寫文件頭的分析，對圖種文件進(jìn)行提取并導(dǎo)出；同時(shí)檢索檢材中的Office復(fù)合文件，提取并導(dǎo)出其包含的圖片文件后，對其是否為圖種進(jìn)行判定。圖種識別支持JPG，PNG，Gif等格式圖片文件，不僅限于壓縮文件，分離時(shí)將自動生成相應(yīng)類型的文件名。自動化程度高，自動遍歷可隱寫文件，并悉數(shù)導(dǎo)出報(bào)告?？梢赃f歸解析隱藏在復(fù)合文檔中的圖種文件，其工作原理如圖1所示。

2 結(jié)語

圖片的篡改性檢測應(yīng)用范圍可用于版權(quán)保護(hù)、司法前期偵查、保險(xiǎn)理賠、網(wǎng)絡(luò)輿情管控等方面，具有一定的社會價(jià)值和實(shí)際應(yīng)用價(jià)值。本研究主要針對數(shù)字圖片的偽造篡改與造假手段的鑒別方法，分析防偽鑒別的方法與工具，主要是開源的工具，且具有一定的權(quán)威性，都依托于大公司、企業(yè)或大學(xué)的研究所，進(jìn)行了算法的優(yōu)化組合對圖片的造假手段進(jìn)行鑒別。隨著計(jì)算機(jī)技術(shù)的不斷進(jìn)步，造假手段也在不斷更新，開源工具也面臨著升級改進(jìn)的壓力，造假新技術(shù)永遠(yuǎn)先于檢測升級技術(shù)出現(xiàn)，所以新檢測方法的出現(xiàn)會有一些滯后。隨著人工智能技術(shù)的出現(xiàn)，越來越多的造假手段通過人工智能技術(shù)進(jìn)行圖片造假，所以未來的圖片甄別的主要算法與手段也需要人工智能技術(shù)的支持，尤其是在人臉識別技術(shù)領(lǐng)域，更需要不斷地研究，推陳出新。

參考文獻(xiàn)

［1］朱新同，唐云祁，耿鵬志.基于特征融合的篡改與深度偽造圖片檢測算法［J］.信息網(wǎng)絡(luò)安全，2021（8）：70-80.

［2］張小娜.基于Java語言的偽造圖片識別檢測算法［J］.單片機(jī)與嵌入式系統(tǒng)應(yīng)用，2021（10）：49-53.

［3］楊雪薇，邢冠宇.一種基于室外光照估計(jì)的數(shù)字圖片偽造檢測算法［J］.現(xiàn)代計(jì)算機(jī)，2020（3）：69-72，78.

［4］張旭，胡晰遠(yuǎn)，陳晨，等.基于透視投影下空間光照一致性分析的圖片拼接篡改檢測［J］.自動化學(xué)報(bào)，2019（10）：1857-1869.

（編輯 沈 強(qiáng)）

Study on feasible methods of digital image tampering detection

Tang Bin¹， Wang Wei^2*， Zheng Haowen¹

（1.School of Intelligence Policing， China Peoples Police University， Langfang 065000， China; 2.Informatization and Network Management Office， China Peoples Police University， Langfang 065000， China）

Abstract： In todays society， the phenomenon of image forgery is rampant. In order to solve the problem of authenticity identification of digital images， this article conducts research and summary on the methods and methods of image tampering and forgery， and provides suggestions for tamper detection methods using open-source tools. These methods have been publicly tested by open-source companies for a long time， proving their feasibility， The methods and conclusions proposed in the study can be used for the “fake” application of images in multiple fields. The article also developed an automatic evidence collection tool for hidden information in images， which has certain academic and social value.

Key words： digital images; tamper detection; blind forensics