面向数字取证的 JPEG 多次压缩收敛性研究

《ACM Transactions on Multimedia Computing, Communications, and Applications》：On the Convergence of JPEG Multiple Compression for Digital Forensics

　　

摘要AI 摘要

要查看此 AI 生成的摘要，您必须拥有高级访问权限。

了解更多登录

摘要

摘要

收敛意味着序列的极限将趋于某个值。在某些取证场景中，如果对图像重复执行相同的操作，生成的图像序列往往趋于收敛。利用这种收敛趋势可以实现可信的取证。由于基于收敛的数字取证解决方案可靠且可解释，它被广泛应用于数字取证中，特别是在图像取证方面，例如识别单次 JPEG 压缩或双重 JPEG 压缩图像。但现有方法仅关注序列的收敛性，而未深入研究其稳定性。为此，我们在数学上完整地证明了一个有趣的性质，即对于由 $(W^k{)}_{k\ge 0}$ 定义的向量序列 $W^{k+1}=A^{?1}\left\{A\left\{W^k\right\}\right\}$，其中 $A$ 是正交矩阵且 $\{?\}$ 表示小数部分函数，那么对于几乎所有的矩阵 $A$（即除所有正交矩阵中一个测度为零的子集外），序列 $(W^k{)}_{k\ge 0}$ 在某个项之后停止变化。这种序列稳定性为具有相同量化矩阵的双重 JPEG 压缩检测提供了坚实的理论基础。大量实验证明了上述性质，实验结果显示 JPEG 压缩中的截断误差具有类似的收敛性和稳定性。

AI 摘要

AI 生成摘要（实验性）

本摘要使用自动化工具生成，未经文章作者撰写或审阅。提供此摘要旨在支持发现，帮助读者评估相关性，并协助相邻研究领域的读者理解该工作。它旨在补充作者提供的摘要，后者仍是论文的主要摘要。全文仍是权威记录版本。点击此处了解更多。

点击 此处 对本摘要的准确性、清晰度和有用性发表评论。这样做将有助于改进和未来的重新生成版本。

要查看此 AI 生成的通俗语言摘要，您必须拥有高级访问权限。