JPEG compression is one of the major image compression methods and is widely used on the Internet. In addition, identifying traces of JPEG compression and double JPEG compression (DJPEG) is crucial in the image forensics field. Therefore, JPEG compression detection and DJPEG compression detection are two of the popular image authentication methods. Many feature-based JPEG detection methods have been proposed for that purpose, and there have been outstanding improvements in DJPEG detection with the development of deep learning. A number of anti-forensics of JPEG detection that counter feature-based detectors have been proposed but only a few techniques that counter DJPEG have been researched. This paper explores whether JPEG reconstruction methods, including restoration and anti-forensics of JPEG detection, can deceive JPEG and DJPEG detectors. We demonstrate that existing anti-forensics of JPEG detection can deceive both JPEG and DJPEG detectors well but perform poorly in non-aligned cases and degrade the image quality. We propose a convolutional neural network (CNN) based anti-forensics method to improve the performance of anti-forensics so that they can proficiently deceive JPEG and DJPEG detectors with higher image quality.
JPEG 압축은 인터넷상에서 널리 사용되는 이미지 압축 방법 중 하나이며, 이미지 포렌식 분야에서 JPEG 압축 흔적은 이미지 위변조의 흔적으로 사용될 수 있어 중요하게 여겨진다. 따라서 JPEG 탐지와 이중 JPEG(DJPEG) 탐지는 이미지 무결성 검증에 자주 사용된다. 그러면서 특징 기반 JPEG 탐지 기법들이 다수 제안 되었고, 딥러닝의 발전으로 DJPEG 탐지 성능이 많이 좋아졌다. 하지만 특징 기반 JPEG 탐지 안티포렌식이 다수 제안된 것에 비해 DJPEG 탐지 안티포렌식은 거의 제안되지 않았다. 본 논문에서는 기존의 JPEG 리스토레이션과 JPEG 안티포렌식이 JPEG 와 DJPEG 탐지기들을 잘 속일 수 있는지에 대해 탐구하였으며, 기존의 JPEG 안티포렌식 기법이 JPEG와 DJPEG 탐지기를 잘 속이지만 비 정렬 DJPEG 탐지는 잘 속이지 못하는 것을 확인하였다. 또, 본 논문에서는 기존의 JPEG 안티포렌식 기법의 성능을 높이기 위해 딥러닝을 이용하였으며, 높은 회피율과 더 좋은 이미지 품질을 만들어 내는 컨볼류션 신경망(CNN)을 제안하였다.
