改良されたフォレンジック画像分析および改ざん画像検出のためのDenseNetネットワークの強化

科学分野:

• コンピュータサイエンス
• デジタルフォレンジック
• 人工知能

背景:

• 高度な画像操作技術は、従来のフォレンジック画像分析（FIA）に課題をもたらしています。
• 改ざん画像の正確かつ効率的な検出は、法執行機関およびメディアにとって非常に重要です。
• 既存の方法では、微妙な画像改ざん検出が困難です。

研究 の 目的:

• 改ざん画像検出を改善するためにDenseNetアーキテクチャを強化すること。
• 改ざん画像検出の精度を高め、処理時間を短縮し、堅牢性を向上させること。
• 微妙な画像改ざん検出における限界に対処すること。

主な方法:

• Gabor-bilateralフィルタリング（G-BF）を使用して、特徴抽出を強化しました。
• マルチスケール特徴抽出（MSFE）および注意メカニズム（AMs）のためにMS-DenseNetを使用しました。
• GAN-DenseNetを統合して、リアルな特徴生成を行いました。

主要な成果:

• 改ざん画像検出精度が85％から95％へと大幅に向上しました。
• 処理時間が5〜7秒から1秒未満に短縮されました。
• 実際のフォレンジック分析アプリケーションに対するモデルの堅牢性が向上しました。

結論:

• 強化されたDenseNetモデルは、改ざん画像検出において優れたパフォーマンスを提供します。
• この方法論は、フォレンジック画像分析に対して、より堅牢で効率的なソリューションを提供します。
• 今後の作業では、高度な注意メカニズムの統合と、より高い精度のための最適化に焦点を当てます。