Resumen

En la comunidad forense multimedia, la antiforense del realce de contraste (CE) en imgenes digitales es un tema importante para comprender la vulnerabilidad del mtodo forense CE correspondiente. Algunos mtodos antiforenses de CE tradicionales han demostrado su capacidad efectiva de falsificacin para borrar las huellas forenses de la imagen mejorada por contraste en el histograma e incluso en la matriz de coocurrencia de niveles de gris (GLCM), mientras que ignoran el problema de que sus formas de cambios de valor de pxel pueden exponerlos en el dominio del pxel. En este trabajo, nos centramos en el estudio de la antiforense CE basada en Generative Adversarial Network (GAN) para tratar el problema mencionado anteriormente. En primer lugar, utilizamos GAN para procesar la imagen mejorada con contraste y hacerla indistinguible de la imagen inalterada en el dominio del pxel. En segundo lugar, introducimos una prdida basada en el histograma especialmente diseada para mejorar la eficacia del ataque en el dominio del histograma y en el dominio GLCM. En tercer lugar, utilizamos una prdida en el dominio de los pxeles para mantener el efecto de mejora visual de la imagen procesada. Los resultados experimentales muestran que nuestro mtodo consigue un alto rendimiento de ataque antiforense contra detectores de CE en el dominio del pxel, el dominio del histograma y el dominio GLCM, respectivamente, y mantiene la mxima calidad de imagen en comparacin con los mtodos antiforenses de CE tradicionales.

• Materias:Cifrado de búsqueda Seguridad informática Reconstrucción virtual Detección de intrusos Sistema de programación
• Subjects:Search encryption Computer security Virtual reconstruction Intrusion detection Programming system
• Palabras claves:Análisis forense multimedia; Análisis antiforense; Mejora del contraste; Imágenes digitales; Red generativa adversarial; Dominio del píxel
• Keywords:Multimedia forensics; Anti-forensics; Contrast enhancement; Digital images; Generative Adversarial Network; Pixel domain