數(shù)字媒體取證學原理與應用實踐

目   錄
第 一章 緒 論 1
1.1取證學的起源與歷史發(fā)展 2
1.2電子取證技術(shù)的概述 3
1.2.1電子(數(shù)字)取證學的簡史 4
1.2.2數(shù)字取證技術(shù)的分類 5
1.2.3數(shù)字取證的優(yōu)缺點 6
1.2.4數(shù)字取證的瓶頸問題 7
1.3數(shù)字媒體取證學的概述 8
1.3.1數(shù)字媒體取證學的概念與科學問題 8
1.3.2數(shù)字媒體取證學的內(nèi)涵與外延 8
1.3.3數(shù)字媒體取證技術(shù)分類 9
1.3.4主動取證技術(shù)分類 10
1.3.5被動取證技術(shù)分類 11
1.4數(shù)字媒體取證學解決三類安全性問題 12
1.4.1數(shù)字媒體數(shù)據(jù)域安全性 13
1.4.2數(shù)字媒體編碼域安全性 13
1.4.3數(shù)字媒體內(nèi)容域安全性 13
1.5現(xiàn)存問題總結(jié) 13
1.5.1理論層面的問題 14
1.5.2技術(shù)層面的問題 14
1.5.3算法評價標準的問題 14
1.5.4相關數(shù)字取證應用標準 16
1.5.5相關法律法規(guī)現(xiàn)狀 18
1.6數(shù)字媒體取證學與其他學科、技術(shù)的關系 19
1.6.1與數(shù)字音視頻處理技術(shù)的關系 20
1.6.2與機器學習學科的關系 20
1.6.3與人工智能學科的關系 21
1.7數(shù)字媒體取證學的應用場景與展望 21
1.8本章小結(jié) 22
本章習題 23
參考文獻 24
第二章 數(shù)字媒體取證學的理論基礎 25
2.1引言 25
2.2數(shù)字媒體取證學研究科學問題 25
2.3空時域模型 26
2.3.1空時域特性一致性模型 27
2.3.2空時特征一致性模型 29
2.4變換域模型 31
2.4.1圖像層次頻率模型 31
2.4.2視頻層次頻率模型 32
2.5視頻編碼特征模型 32
2.5.1視頻轉(zhuǎn)碼模型 33
2.5.2視頻重編碼模型 34
2.6分類器模型 35
2.6.1有監(jiān)督編碼器 35
2.6.2無監(jiān)督編碼器 38
2.7相關理論介紹 38
2.7.1概率論與統(tǒng)計學 38
2.7.2矩陣理論 41
2.7.3微積分學 42
2.7.4機器學習 44
2.7.5神經(jīng)網(wǎng)絡模型 44
2.7.6深度學習模型 45
2.8本章小結(jié) 46
本章習題 47
參考文獻 48
第三章 數(shù)字音頻篡改被動取證檢測原理 49
3.1引言 49
3.2數(shù)字音頻編解碼標準概述 49
3.2.1數(shù)字音頻編解碼標準的指標 50
3.2.2數(shù)字音頻編解碼標準的發(fā)展 50
3.3數(shù)字音頻篡改攻擊方法現(xiàn)狀和分類 52
3.3.1數(shù)字語音合成攻擊方法 53
3.3.2數(shù)字語音轉(zhuǎn)換攻擊方法 55
3.4數(shù)字音頻篡改被動取證方法現(xiàn)狀和分類 56
3.4.1數(shù)字音頻來源取證方法 57
3.4.2數(shù)字音頻內(nèi)容篡改取證方法 59
3.5本章小結(jié) 63
本章習題 65
參考文獻 66
第四章 數(shù)字圖象篡改被動取證檢測原理 71
4.1引言 71
4.2數(shù)字圖象壓縮標準概述 71
4.2.1JPEG壓縮標準簡介 71
4.2.2JPEG重壓縮原理 74
4.3數(shù)字圖像篡改攻擊方法現(xiàn)狀和分類 75
4.3.1數(shù)字圖像篡改攻擊方法分類 75
4.3.2數(shù)字圖像篡改攻擊原理 76
4.4數(shù)字圖像被動取證檢測原理 82
4.4.1基于數(shù)字圖像像素攻擊的被動取證檢測原理 82
4.4.2基于數(shù)字圖像變換域攻擊的被動取證檢測原理 83
4.4.3基于深度網(wǎng)絡模型生成攻擊的被動取證檢測法原理 84
4.4.4基于神經(jīng)網(wǎng)絡的圖像篡改被動通用取證檢測原理 86
4.4.5基于手工設計特征的通用檢測方法 87
4.5本章小結(jié) 90
本章習題 91
參考文獻 92
第五章 數(shù)字視頻篡改被動取證檢測原理 94
5.1引言 94
5.2數(shù)字視頻編解碼標準概述 94
5.2.1 H.26X編解碼標準 94
5.2.2 Mpeg-x編解碼標準 96
5.2.3 AVS編解碼標準 97
5.3數(shù)字視頻篡改攻擊方法現(xiàn)狀和分類 98
5.3.1數(shù)字視頻文件重編碼篡改攻擊 98
5.3.2數(shù)字視頻內(nèi)容篡改攻擊 99
5.3.3數(shù)字視頻內(nèi)容生成篡改攻擊 100
5.3.4數(shù)字視頻重拍攝篡改攻擊 101
5.4數(shù)字視頻篡改取證方法現(xiàn)狀以及分類 102
5.4.1數(shù)字視頻來源被動取證檢測技術(shù) 102
5.4.2數(shù)字視頻時空域特征被動取證檢測技術(shù) 103
5.4.3數(shù)字視頻編碼域特征被動取證檢測技術(shù) 103
5.4.4基于深度學習特征的視頻被動取證檢測技術(shù) 104
5.5本章小結(jié) 105
本章習題 107
參考文獻 108
第六章 數(shù)字音頻篡改被動檢測應用實踐 110
6.1引言 110
6.2數(shù)字音頻復制粘貼的被動檢測方法 110
6.2.1數(shù)字音頻的復制粘貼篡改 110
6.2.2基于數(shù)字音頻復制粘貼的后處理攻擊 110
6.2.3方法的局限性分析 113
6.3數(shù)字音頻的復制粘貼篡改檢測過程分析 114
6.3.1預處理階段 114
6.3.2特征提取階段 115
6.3.3相似度量化階段 115
6.3.4判決階段 115
6.4基于多尺度自相關模塊卷積神經(jīng)網(wǎng)絡的被動檢測算法 115
6.4.1 語音波形的處理方法 116
6.4.2 語譜圖 118
6.4.3 多尺度自相關模塊卷積神經(jīng)網(wǎng)絡的定位子網(wǎng) 119
6.4.4 多尺度自相關模塊卷積神經(jīng)網(wǎng)絡的分類子網(wǎng) 121
6.4.5 實驗數(shù)據(jù)集及設置 121
6.4.6 實驗分析 123
6.5數(shù)字音頻篡改第三方數(shù)據(jù)庫 125
6.6本章小結(jié) 126
本章習題 128
參考文獻 129
第七章 數(shù)字圖像篡改被動檢測的應用實踐 131
7.1引言 131
7.2數(shù)字圖像復制粘貼篡改的被動檢測方法 131
7.2.1 圖像復制粘貼篡改的定義 131
7.2.2 圖像復制粘貼篡改一般過程模型 132
7.2.3 圖像復制粘貼篡改的痕跡線索分析 132
7.2.4 方法局限性分析 133
7.3數(shù)字圖像復制粘貼篡改的被動檢測過程分析 133
7.3.1 預處理階段 134
7.3.2 特征提取階段 134
7.3.3 特征匹配階段 134
7.3.4 誤匹配過濾階段 135
7.3.5 后處理階段 135
7.4數(shù)字圖像復制粘貼篡改的被動檢測算法 135
7.4.1 塊預測模塊 136
7.4.2 檢測框架 137
7.4.3 算法步驟 137
7.4.4 實驗與分析 137
7.4數(shù)字圖像篡改第三方數(shù)據(jù)庫 138
7.5本章小結(jié) 141
本章習題 142
參考文獻 143
第八章 數(shù)字視頻篡改被動檢測應用實踐 145
8.1引言 145
8.2數(shù)字視頻重編碼的被動檢測方法 145
8.2.1視頻重編碼的定義 145
8.2.2視頻重編碼的一般過程模型 145
8.2.3視頻重編碼攻擊的痕跡線索分析 146
8.2.4方法局限性分析 149
8.3數(shù)字視頻重編碼的被動檢測過程分析及失真模型 149
8.3.1數(shù)字視頻重編碼的被動檢測過程分析 149
8.3.1HEVC視頻重編碼的失真過程分析 151
8.3.2HEVC視頻重編碼的失真過程模型 151
8.4HEVC重編碼視頻的被動檢測算法 153
8.4.1特征模型 153
8.4.2算法框架 154
8.4.3算法步驟 154
8.4.4實驗與分析 155
8.5數(shù)字視頻篡改第三方數(shù)據(jù)庫 156
8.6本章小結(jié) 157
本章習題 158
參考文獻 159
第九章 總結(jié) 161
9.1數(shù)字媒體取證學特色與局限性 161
9.1.1 學科特色 161
9.1.2 學科局限性 162
9.2數(shù)字媒體取證學的發(fā)展趨勢 163
9.2.1 學科發(fā)展趨勢 163
9.2.2應用領域 163
9.3 展望 164