デジタル画像フォレンジックス：改良されたDenseNetアーキテクチャによる偽造画像検出

インターネットプラットフォームを通じて送信される画像は、圧縮、スケーリング、フィルタリングといった単純な変更を含むことが多く、これらは起こり得る変化を隠す可能性があります。これらの変更は、デジタル画像フォレンジックス分析手法の有用性を著しく制限します。その結果、真正な画像と偽造された画像の正確な分類が重要になります。この研究では、拡張画像偽造検出のためのシステムが提供されます。偽造画像の識別に関する以前の研究では、従来の特徴エンコーディング技術と機械学習分類器を使用した際に思わぬ結果が明らかになりました。深層ニューラルネットワークもこれらの努力に利用されましたが、勾配消失問題は無視されていました。勾配消失や不要な層の要件など、通常の畳み込みニューラルネットワーク（CNN）に内在する制限に対処するために、DenseNetモデルが作成されました。提案されているDenseNetモデルアーキテクチャは、密に接続された層で構成されており、真正な画像と変更された画像を正確に識別するために設計されています。偽造画像のデータセットが実装され、提案されたDenseNetモデルが最先端の深層学習手法と比較され、その結果、提案モデルが優れた性能を示しました。推奨される改良されたDenseNetモデルは、92.32%という驚異的な精度で変更された画像を検出する能力を持っています。