[论文解读] Secure Detection of Image Manipulation by means of Random Feature Selection

Zhipeng Chen, Benedetta Tondi+4 more|arXiv (Cornell University)|Feb 2, 2018

Digital Media Forensic Detection参考文献 36被引用 4

一句话总结

本文提出一种随机特征选择方法，以增强数据驱动图像操作检测器在对手仅具备有限知识情况下的安全性。通过从预定义的特征空间中随机选择特征子集，检测器能够抵御针对完整特征集的通用攻击，在无攻击情况下性能损失可忽略不计，显著提升安全性。

ABSTRACT

We address the problem of data-driven image manipulation detection in the presence of an attacker with limited knowledge about the detector. Specifically, we assume that the attacker knows the architecture of the detector, the training data and the class of features V the detector can rely on. In order to get an advantage in his race of arms with the attacker, the analyst designs the detector by relying on a subset of features chosen at random in V. Given its ignorance about the exact feature set, the adversary attacks a version of the detector based on the entire feature set. In this way, the effectiveness of the attack diminishes since there is no guarantee that attacking a detector working in the full feature space will result in a successful attack against the reduced-feature detector. We theoretically prove that, thanks to random feature selection, the security of the detector increases significantly at the expense of a negligible loss of performance in the absence of attacks. We also provide an experimental validation of the proposed procedure by focusing on the detection of two specific kinds of image manipulations, namely adaptive histogram equalization and median filtering. The experiments confirm the gain in security at the expense of a negligible loss of performance in the absence of attacks.

研究动机与目标

• 解决数据驱动图像取证检测器在攻击者对检测器确切配置了解有限时，易受对抗性攻击影响的问题。
• 在正常（未受攻击）条件下，不牺牲检测准确率的前提下提升检测器安全性。
• 设计一种即使攻击者针对完整特征空间进行攻击，仍能保持有效性的检测框架。
• 从理论和实验两方面验证随机特征选择通过增加攻击者的不确定性，从而提升安全性的有效性。

提出的方法

• 检测器在从预定义特征空间 $\mathcal{V}$ 中随机选择的特征子集上进行训练，该子集对攻击者未知。
• 攻击者因缺乏对实际子集的了解，会针对完整特征空间 $\mathcal{V}$ 进行攻击，假设检测器使用了所有特征。
• 该方法依赖于以下原理：在完整特征空间中攻击检测器，并不能保证对实际使用了随机选择子集的检测器也有效。
• 理论分析证明，由于攻击者对实际特征子集的无知，检测器的安全性显著提高。
• 该方法在两种图像操作类型上通过实验验证：自适应直方图均衡化与中值滤波。
• 在攻击与非攻击两种场景下评估性能，以衡量安全性与检测准确率之间的权衡。

实验结果

研究问题

• RQ1 随机特征选择能否有效提升对具备有限知识的对手的图像操作检测器安全性？
• RQ2 尽管存在随机化，该方法在无攻击情况下是否仍能保持高检测性能？
• RQ3 当实际检测器仅使用随机子集时，针对完整特征空间的攻击在多大程度上会失败？
• RQ4 随机化带来的理论安全增益与真实图像操作上的实证结果相比如何？

主要发现

• 理论分析证实，随机特征选择通过为攻击者引入不确定性，显著提升了检测器的安全性。
• 在无攻击情况下性能损失可忽略不计，正常条件下检测准确率保持较高水平。
• 针对自适应直方图均衡化与中值滤波的实验结果表明，针对完整特征空间的攻击在面对减少特征的检测器时均告失败。
• 该方法成功抵御了依赖于攻击整个特征空间的通用反取证策略。