基于取證問題的此種特性，研究者嘗試對(duì)網(wǎng)絡(luò)的輸入進(jìn)行改進(jìn)，添加預(yù)處理層（或信號(hào)增強(qiáng)層）放大類間差別，此種嘗試取得較好的檢測(cè)效果。典型案例為Jiansheng Chen, Xiangui Kang等發(fā)表的文章“Median Filtering Forensics Based>1.相機(jī)源取證
相機(jī)源取證研究的問題在于如何有效區(qū)分圖像采集所使用的設(shè)備型號(hào)或模式，相機(jī)源取證可以在一定程度上解決圖像版權(quán)問題，例如一副具有版權(quán)保護(hù)的圖像未經(jīng)過作者授權(quán)被重新拍攝并發(fā)布，可以利用相機(jī)源取證技術(shù)區(qū)分圖像是由原始相機(jī)拍攝還是其他相機(jī)拍攝，從而判斷圖像版權(quán)所屬。
不同廠商生產(chǎn)的數(shù)碼相機(jī)之間存在著差異，相同廠商生產(chǎn)的不同型號(hào)的數(shù)碼相機(jī)之間也存在著差異，已有的傳統(tǒng)方案通過提取不同的相機(jī)存在的指紋特性實(shí)現(xiàn)對(duì)相機(jī)源的取證。Luca Baroffio, Luca Bond等人首次提出利用卷積神經(jīng)網(wǎng)絡(luò)的方法解決相機(jī)源取證問題。文章所使用的網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)如圖2所示。該結(jié)構(gòu)使用了三個(gè)卷積層和兩個(gè)全連接層的結(jié)構(gòu)，網(wǎng)絡(luò)結(jié)構(gòu)與AlexNet結(jié)構(gòu)相似。根據(jù)文章報(bào)告的實(shí)驗(yàn)結(jié)果，在相機(jī)源取證的benchmark庫中測(cè)試，對(duì)于27種相機(jī)模式分類的準(zhǔn)確率在94%以上。
圖2. 基于深度學(xué)習(xí)的相機(jī)源取證算法網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)
2.中值濾波圖像取證
中值濾波圖像取證問題一直被圖像取證領(lǐng)域所關(guān)注，取證目的是對(duì)圖像是否經(jīng)歷過中值濾波操作進(jìn)行判定。在圖像經(jīng)過篡改之后，為了去除篡改引入圖像中的特性，通常會(huì)對(duì)圖像進(jìn)行中值濾波操作，從而隱藏篡改操作痕跡。圖像是否經(jīng)歷過中值濾波操作對(duì)于判斷圖像篡改歷史提供了重要線索。傳統(tǒng)的圖像中值濾波取證算法對(duì)于小尺寸圖像和做過壓縮后處理的圖像性能有待提高。
Jiansheng Chen, Xiangui Kang等人首次提出利用深度學(xué)習(xí)解決中值濾波取證問題，該工作發(fā)表在Signal Processing Letters IEEE, 2015。與此同時(shí)，這也是深度學(xué)習(xí)應(yīng)用在取證領(lǐng)域的第一個(gè)工作，為后續(xù)深度學(xué)習(xí)在取證領(lǐng)域的發(fā)展起到了重要的借鑒作用。該工作對(duì)網(wǎng)絡(luò)的輸入圖像做了預(yù)處理操作：
x(i , j)表示原始圖像， medw(.)表示中值濾波操作，其中中值濾波窗口大小為w,d(i , j)， 代表中值濾波圖像與原始圖像的差值圖像。做這樣預(yù)處理的動(dòng)機(jī)來源于之前傳統(tǒng)方案的設(shè)計(jì)。通過預(yù)處理操作，去除圖像內(nèi)容對(duì)檢測(cè)性能的影響同時(shí)也起到了放大圖像噪聲信號(hào)的作用。預(yù)處理操作的效果圖如圖3所示：
圖3. 原始圖像、差值圖像、中值濾波圖像與原始圖像的差分圖像示例展示
(a)(b)(c)三幅圖像分布代表原始圖像，差值圖像以及中值濾波與原始圖像的差值圖像。從圖3(c)中可以看出中值濾波后的差值圖像中對(duì)原始圖像內(nèi)容的反映幾乎去除。
圖4. 中值濾波深度網(wǎng)絡(luò)結(jié)構(gòu)圖
圖4中展示了該工作提出的網(wǎng)絡(luò)結(jié)構(gòu)示意圖。濾波層實(shí)現(xiàn)的是式(1)的操作，緊接著的網(wǎng)絡(luò)結(jié)構(gòu)與AlexNet結(jié)構(gòu)類似，5個(gè)卷積層以及3個(gè)全連接層。根據(jù)文章中報(bào)告的實(shí)驗(yàn)結(jié)果，對(duì)于壓縮的小尺寸圖像（64x64、32x32）該方法實(shí)現(xiàn)了最好的檢測(cè)準(zhǔn)確率。為了測(cè)試濾波層的作用，作者在使用濾波層和不使用兩種情況下進(jìn)行了對(duì)比實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果顯示濾波層對(duì)于檢測(cè)準(zhǔn)確率有7.22個(gè)百分點(diǎn)的提升。
基于Jiansheng Chen, Xiangui Kang等人的工作，Belhassen Bayar，Matthew C. Stamm提出一種新的卷積結(jié)構(gòu)。作者嘗試?yán)眯碌木矸e結(jié)構(gòu)捕獲圖像操作過程中引入的圖像臨近像素之間相關(guān)關(guān)系的變化，于此同時(shí)盡可能壓縮圖像內(nèi)容對(duì)于圖像操作引入的像素相關(guān)關(guān)系的影響。為了實(shí)現(xiàn)這樣的卷積結(jié)構(gòu)設(shè)計(jì)，作者對(duì)卷積核的屬性進(jìn)行了限制，使得網(wǎng)絡(luò)結(jié)構(gòu)可以自動(dòng)學(xué)習(xí)預(yù)測(cè)誤差濾波器集合，從而抑制圖像內(nèi)容的影響同時(shí)捕獲操作特性。限制條件如公式（2）所示：