Attacking Image Splicing Detection and Localization Algorithms Using Synthetic Traces

要約

深層学習の最近の進歩により、法医学研究者は新しいクラスの画像スプライシング検出および位置特定アルゴリズムを開発できるようになりました。
これらのアルゴリズムは、分析中に明示的に、またはトレーニング中に暗黙的に、シャム ニューラル ネットワークを使用してフォレンジック トレース内のローカライズされた不一致を検出することにより、スプライスされたコンテンツを識別します。
同時に、深層学習は、敵対的な例や敵対的生成ネットワーク (GAN) ベースの攻撃など、新しい形態のフォレンジック攻撃を可能にしました。
ただし、これまでのところ、画像スプライシングの検出およびローカリゼーション アルゴリズムに対するアンチ フォレンジック攻撃は実証されていません。
この論文では、EXIF-Net、Noiseprint、Forensic Similarity Graphs などの最先端のスプライシング検出およびローカリゼーション アルゴリズムをだますことができる新しい GAN ベースのアンチフォレンジック攻撃を提案します。
この攻撃は、合成フォレンジック トレースを作成できるように、一連のシャム ニューラル ネットワークに対してアンチフォレンジック ジェネレーターを敵対的にトレーニングすることによって機能します。
分析下では、これらの合成トレースは本物のように見え、画像全体で一貫性があります。
一連の実験を通じて、私たちの攻撃が、攻撃された画像に視覚的に検出可能なアーティファクトを導入することなく、フォレンジック スプライシング検出およびローカリゼーション アルゴリズムをだますことができることを示しています。
さらに、私たちの攻撃が既存の代替攻撃アプローチよりも優れていることを示しています。
%

要約(オリジナル)

Recent advances in deep learning have enabled forensics researchers to develop a new class of image splicing detection and localization algorithms. These algorithms identify spliced content by detecting localized inconsistencies in forensic traces using Siamese neural networks, either explicitly during analysis or implicitly during training. At the same time, deep learning has enabled new forms of anti-forensic attacks, such as adversarial examples and generative adversarial network (GAN) based attacks. Thus far, however, no anti-forensic attack has been demonstrated against image splicing detection and localization algorithms. In this paper, we propose a new GAN-based anti-forensic attack that is able to fool state-of-the-art splicing detection and localization algorithms such as EXIF-Net, Noiseprint, and Forensic Similarity Graphs. This attack operates by adversarially training an anti-forensic generator against a set of Siamese neural networks so that it is able to create synthetic forensic traces. Under analysis, these synthetic traces appear authentic and are self-consistent throughout an image. Through a series of experiments, we demonstrate that our attack is capable of fooling forensic splicing detection and localization algorithms without introducing visually detectable artifacts into an attacked image. Additionally, we demonstrate that our attack outperforms existing alternative attack approaches. %

arxiv情報

提供元, 利用サービス

arxiv.jp, Google