现有的基于深度学习的JPEG同步重压缩检测算法大多使用解压缩过程中产生的截断和舍入误差作为分类依据，在检测框架前都存在降低特征提取难度的预处理层，无法实现端到端。同时，现有的量化底表是根据人为经验所设计的，无法取得解压缩过程的最优解，限制了JPEG重压缩检测算法的精度上限。
针对上述问题，如图1所示，本文提出一种基于解压缩模块的JPEG重压缩检测方法，该方法利用卷积模拟JPEG解压缩过程，设计了解压缩模块，将JPEG解压缩过程并入网络中从而实现端到端，省去了繁重的预处理步骤；同时，利用深度学习能够自动优化参数的特性，去寻找解压缩过程的最优解，减少了由于人工处理导致的图像信息的二次损失，进一步提升了JPEG重压缩检测算法的性能上限。
图1基于解压缩模块的JPEG同步重压缩检测模型
本文的主要贡献如下：
（1）通过公式推导，完成解压缩模块的设计与实现，利用卷积操作模拟JEPG的解压缩过程，该模块能够并入检测模型参与整体训练，通过网络的自动优化寻找解压缩过程的最优解，解除对JPEG同步重压缩问题的性能限制。
（2）提出一个端到端的基于解压缩模块的JPEG同步重压缩检测模型，省去了繁琐的预处理步骤，同时解决了图像信息的二次损失问题，不仅能够提取到截断和舍入误差特征，还能够充分利用JPEG图像的空间域信息，从而进一步提升JPEG同步重压缩检测精度。
（3）贡献了一个数据集，该数据集由我们自行拍摄、收集、制作，包含1000张未压缩的TIF (Tag Image File) 格式图像，图像分辨率为6000x4000，命名为 Nuist-v1 (Nanjing University of Information Science and Technology-version 1)。
如表1所示，相较于现有的JPEG同步重压缩检测算法，所提方案在多个数据集及各质量因子下都取得了更好的检测性能。
表1所提方法和现有方法在多个数据库上对于JPEG同步重压缩检测问题的精度
论文信息
王金伟, 胡冰涛, 张家伟, 马宾, 罗向阳. 基于解压缩模块的JPEG同步重压缩检测[J]. 电子学报, DOI: 10.12263/DZXB.20220424.
WANG Jin-wei, HU Bing-tao, ZHANG Jia-wei, MA Bin, LUO Xiang-yang. JPEG Synchronous Double Compression Detection Based on Decompression Module[J]. Acta Electronica Sinica, DOI: 10.12263/DZXB.20220424.（点击下方阅读原文查看论文全文）
供稿：王金伟， 南京信息工程大学网络空间安全学院教授
电子邮箱：wjwei@nuist.edu.cn
个人主页：https://faculty.nuist.edu.cn/wangjinwei/zh_CN/index.htm
声明：本文来自隐者联盟，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
