21、物联网相机识别与高级持续威胁防御技术解析

物联网相机识别与高级持续威胁防御技术解析

1. 物联网相机识别算法

随着物联网的发展，大量数字图像被频繁采集，相机识别成为解决相关取证问题的关键。相机识别旨在根据拍摄的图像识别出源相机。

1.1 传感器噪声与彩色滤光阵列

• 光响应非均匀性（PRNU）噪声 ：相机传感器存在光响应非均匀性，这是由于硅材料的异质性以及生产过程中的其他因素导致的。例如，活跃区域大小的不均匀会影响光子的吸收，从而产生PRNU噪声。
• 彩色滤光阵列（CFA）与拜耳模式 ：光线经过镜头和抗视觉滤镜后进入CFA传感器。CFA是二维单色的，每个像素只允许一种颜色通过。为了获得三个颜色通道，需要应用插值函数。常见的拜耳模式是一个四维矩阵，包含两个绿色像素、一个蓝色像素和一个红色像素，且有四种不同的模型。由于人眼对绿色更敏感，该模式中大部分像素分配给了绿色。CFA信号强大且直接来自传感器，可作为图像源识别的指纹，用于判断像素是直接来自相机传感器还是经过插值得到的。

1.2 特征提取方法

为了识别图像的来源，提出的方法主要包括特征提取和PRNU模式分类两个主要部分。
- 基本PRNU特征提取 ：
1. 使用公式 $PRNU = I - I_{denoised}$ 提取整个图像的模式噪声，其中 $I_{denoised}$ 通过小波去噪滤波器获得。
2. 应用主成分分析（PCA）进行降维，消除噪声中的无用成分。但该方法获得的噪声模式包含颜色插值误差，因为并非所有像素都直接来自相机传感器