面向可视媒体内容安全的取证技术研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61272355
  • 项目类别:
    面上项目
  • 资助金额:
    80.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0210.计算机图像视频处理与多媒体技术
  • 结题年份:
    2016
  • 批准年份:
    2012
  • 项目状态:
    已结题
  • 起止时间:
    2013-01-01 至2016-12-31

项目摘要

The remain unsolved key question of the multimedia content security relies on verification of the content integrity. The involved key technology depends on "watermarking based active authentication and self-recovery" and "passive forensics based on media feature analysis". This project mainly focuses on the research of new theories and methods of syntax content security combining human vision characteristics, pattern-classification and etc tools. The research scope focuses on: 1) Active authentication and self-recovery with high precision. This will base on the statistics feature and content consistency of digital image and use superpixels to extract the valid information sensitive to malicious tampering, then authenticate the integrity of content and recover the distorted content. 2) Active authentication of resisting content-preserving changes. This will provide the capability of locating the changed region after the compression, filter and other unmalicious operations to the content and establish the internal relationship between content variation and frequency to implement the content authentication. 3) Forensics of the image splicing. By analyzing the local and global image features, this method will research the universal feature combination and design certification system combing assembled learning and error learning mechanism. 4) Authentication of the copied and pasted video. This will detect video copy with high accuracy based on frame fusion concept and similarity measurement.
可视媒体内容安全仍未解决的关键问题集中在内容真实性的验证上。涉及的核心技术体现在:基于水印的主动认证和自恢复、基于特征分析的被动取证。本课题针对图像和视频,研究可视媒体语义内容安全的新理论和新方法。研究内容包括:1)高准确性的主动认证与自恢复。根据图像的统计特性、内容一致性的关键特征,基于超像素提取对恶意篡改敏感的有效信息,认证内容真实性并且对失真内容进行修复。2)抵抗无恶意篡改的主动认证。当同时存在压缩、滤波等无恶意的处理操作时,仍能对篡改区域进行定位。篡改检测方案具有一定的鲁棒性,建立内容变化与频谱特性的内在关系,实现内容认证。3)图像拼接合成的取证。通过对图像内容的局部和全局特征分析,寻找具有普适意义的特征组合,设计结合启发式分类和集成学习的盲取证方案,结合错误学习机制,实现图像的真实性鉴别。4)视频拷贝粘贴的取证。针对视频片段,基于帧融合思想和相似性度量方法,准确检测拼接拷贝。

结项摘要

本课题围绕可视媒体内容安全的关键问题,重点研究了基于水印技术的主动保护方法、基于特征和痕迹分析的被动取证方法、以及可视媒体的视觉关注和生物认证方法,为内容安全和保护提供了新理论、新方法。.(1)针对基于水印技术的主动保护方法研究,我们提出了基于高维直方图的可逆信息隐藏算法、基于三通道容量自适应分配的彩色图像可逆水印算法、基于偏微分预测子的可逆信息隐藏算法、YASS 隐写框架下的信道选择准则、YASS隐写的安全性问题研究、用于自由视角电视的多比特鲁棒水印算法、针对三维模型的鲁棒水印保护算法、基于超像素的图像认证和恢复算法等。(2)针对基于特征和痕迹分析的被动取证方法,我们提出了数字图像中对比度增强的取证算法、图像全局添加噪声操作的取证算法、直方图均衡化和类抖动操作链的检测、重获图像取证算法、图像复制粘贴检测算法、图像操作取证的安全性分析、基于时空梯度特征的视频拷贝检测等。(3)针对可视媒体的视觉关注和生物认证方法,我们提出了结合自底向上和自顶向下的特征融合的显著区域检测算法、基于对偶鉴别特征学习的跨模态人脸识别算法。.课题组成员发表学术论文28篇,其中SCI期刊检索11篇,EI期刊检索2篇。包括本领域的顶级期刊IEEE Trans. on Information Forensics and Security、IEEE Trans. on Image Processing等。其中发表在IEEE Trans. On IFS上的关于图像操作取证的论文成为该顶级期刊的最受欢迎和关注的论文之一。多篇论文发表在本领域的知名国际会议上,如IWDW、PCM、DSP、APSIPA、ChinaSip、ICSP等。获得国家发明专利2项,申请国家发明专利3项。获得北京市科技奖二等奖1项、教育部自然科学二等奖1项。主持人获得北京交通大学优秀教师称号。课题组成员获得职称晋升2人。培养的博士生获得北京交通大学优秀博士论文2篇、优秀硕士论文1篇。

项目成果

期刊论文数量(11)
专著数量(0)
科研奖励数量(6)
会议论文数量(13)
专利数量(0)
Pairwise Prediction-Error Expansion for Efficient Reversible Data Hiding
用于高效可逆数据隐藏的成对预测误差扩展
  • DOI:
    10.1109/tip.2013.2281422
  • 发表时间:
    2013-12-01
  • 期刊:
    IEEE TRANSACTIONS ON IMAGE PROCESSING
  • 影响因子:
    10.6
  • 作者:
    Ou, Bo;Li, Xiaolong;Shi, Yun-Qing
  • 通讯作者:
    Shi, Yun-Qing
Efficient color image reversible data hiding based on channel-dependent payload partition and adaptive embedding
基于通道相关有效负载划分和自适应嵌入的高效彩色图像可逆数据隐藏
  • DOI:
    10.1016/j.sigpro.2014.10.012
  • 发表时间:
    2015-03-01
  • 期刊:
    SIGNAL PROCESSING
  • 影响因子:
    4.4
  • 作者:
    Ou, Bo;Li, Xiaolong;Ni, Rongrong
  • 通讯作者:
    Ni, Rongrong
Forensic detection of noise addition in digital images
数字图像中噪声添加的法医检测
  • DOI:
    10.1117/1.jei.23.2.023004
  • 发表时间:
    2014-03
  • 期刊:
    Journal of Electronic Imaging
  • 影响因子:
    1.1
  • 作者:
    Cao Gang;Zhao Yao;Ni Rongrong;Ou Bo;Wang Yongbin
  • 通讯作者:
    Wang Yongbin
Robust Multi-Bit Watermarking for Free-View Television Using Light Field Rendering
使用光场渲染为自由观看电视添加强大的多位水印
  • DOI:
    10.1587/transinf.e96.d.2820
  • 发表时间:
    2013-12
  • 期刊:
    Ieice Transactions ON Information and Systems
  • 影响因子:
    0.7
  • 作者:
    Zhao, Yao;Wang, Zheng;Ni, Rongrong;Qin, Lunming
  • 通讯作者:
    Qin, Lunming
Detection for Operation Chain: Histogram Equalization and Dither-like Operation
操作链检测:直方图均衡和类抖动操作
  • DOI:
    10.3837/tiis.2015.09.026
  • 发表时间:
    2015-09
  • 期刊:
    KSII Transactions on Internet and Information Systems
  • 影响因子:
    1.5
  • 作者:
    Chen Zhipeng;Zhao Yao;Ni Rongrong
  • 通讯作者:
    Ni Rongrong

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

基于网格细分和边界自适应的三维模型可见水印
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    应用科学学报
  • 影响因子:
    --
  • 作者:
    安新辰;倪蓉蓉;赵耀
  • 通讯作者:
    赵耀
图像内容感知缩放的检测方法研究
  • DOI:
    10.13328/j.cnki.jos.005413
  • 发表时间:
    2018
  • 期刊:
    软件学报
  • 影响因子:
    --
  • 作者:
    胡浩慧;倪蓉蓉;赵耀
  • 通讯作者:
    赵耀
一种半侵入式重采样取证算法
  • DOI:
    --
  • 发表时间:
    2012
  • 期刊:
    Forensic Science International
  • 影响因子:
    2.2
  • 作者:
    曹刚;赵耀;倪蓉蓉
  • 通讯作者:
    倪蓉蓉
面向面部表情识别的双通道卷积神经网络
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    南京师范大学学报(工程技术版)
  • 影响因子:
    --
  • 作者:
    曹金梦;倪蓉蓉;杨彪
  • 通讯作者:
    杨彪
一种抵抗插值误差的数字水印方法
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    解放军理工大学学报(自然科学版)
  • 影响因子:
    --
  • 作者:
    田华伟;倪蓉蓉;赵耀
  • 通讯作者:
    赵耀

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

倪蓉蓉的其他基金

面向深度操纵图像的检测与防御方法研究
  • 批准号:
    62336001
  • 批准年份:
    2023
  • 资助金额:
    222 万元
  • 项目类别:
    重点项目
视觉媒体篡改的取证和关联分析关键技术研究
  • 批准号:
    61672090
  • 批准年份:
    2016
  • 资助金额:
    63.0 万元
  • 项目类别:
    面上项目
图像信息隐藏鲁棒性和安全性的理论和方法研究
  • 批准号:
    61073159
  • 批准年份:
    2010
  • 资助金额:
    32.0 万元
  • 项目类别:
    面上项目
基于WEB的信息管理与发布系统设计
  • 批准号:
    60845007
  • 批准年份:
    2008
  • 资助金额:
    10.0 万元
  • 项目类别:
    专项基金项目
图像水印的检测性能和基于偏微分方程的算法研究
  • 批准号:
    60702013
  • 批准年份:
    2007
  • 资助金额:
    22.0 万元
  • 项目类别:
    青年科学基金项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码