针对多种处理痕迹的数字语音取证算法

现有的数字语音取证研究主要集中于对单一的某种操作进行检测，无法对不相关的操作进行判断。针对该问题，提出了一种能够同时检测经过变调、低通滤波、高通滤波和加噪这四种操作的数字语音取证方法。首先，计算语音的归一化梅尔频率倒谱系数（MFCC）统计矩特征；然后通过多个二分类器对特征进行训练，并组合投票得到多分类器；最后使用该多分类器对待测语音进行分类。在TIMIT以及UME语音库上的实验结果表明，归一化MFCC统计矩特征在库内实验中均达到了97%以上的检测率，且在对MP3压缩鲁棒性测试的实验中，检测率仍能保持在96%以上。     

基于5G新技术下的互联网取证探析

近年来,随着信息网络的飞速发展,5G通讯技术正在迅速崛起,为互联网取证带来了前所未有的挑战。互联网数据提取固定时,基于5G的网络研究测试现状,会影响到互联网取证过程以及结果。所以,如何利用5G技术服务互联网取证行业,是我们面临的重要问题。     

Android手机Recovery模式取证方法研究

为解决当前电子数据取证工作中Android手机镜像提取受限于手机取证设备支持问题,利用Recovery启动模式及Android调试桥接器,完成对Android手机对应分区物理镜像的手工提取,并给出具体案例对操作方法进行详细描述。研究及实践表明:该方法具有适用范围广、对提取设备要求低、操作步骤简单易行等优势,可有效应对新型号手机及无法正常开机等情况,具有较好推广应用价值。     

基于改进马尔科夫特征的图像拼接检测研究

针对传统马尔科夫特征拼接检测准确率不高的问题,提出了一种有效的马尔科夫特征提取方法。与传统马尔科夫特征的计算过程不同,只计算水平和垂直两个方向的转移概率矩阵,选择四个转移概率矩阵中对应位置求和后的值作为最终特征。求和操作不仅降低了特征维度,而且使真实图像与拼接图像之间的概率分布区分更加明显。所提出的算法的特征维度与数据集无关。该方法在哥伦比亚彩色拼接检测图库、CASIA V1. 0和CASIA V2. 0数据集上测试的准确率分别为94. 38%、99. 19%、96. 02%。     

电子取证3.0时代的实验室建设思路

电子取证进入了3.0时代,电子取证实验室建设也需要跟上时代,要具备时代的特色,符合信息化的要求,适应信息科技发展的趋势。首先从网络上连接各个实验室,再从装备上进行智能互联化改造,从而构建一体化实验室,开展取证知识的汇聚与共享,取证能力的下沉,取证技术的更新,将大数据平台能力支撑给取证前端,并将人工智能技术应用到取证的各个领域。     

数字经济时代网络市场监管创新的思考

数字经济时代,新技术、新产业、新业态、新模式加速孕育,网络市场竞争态势愈加复杂、多变,监管创新成为重要课题。网络市场监管工作应当确立稳定、可预期的监管原则,并落实好包容审慎、事中事后监管、协同监管等原则;对关系到国家安全、社会稳定和公众生命健康等底线性问题,监管不能缺位,而应继续严格审查监管。从创新监管原则的宏观研究,以及大数据监管、提升电子取证能力等监管手段的具体研究等维度,对监管创新进行了深度思考。     

2014年中国散协“预拌砂浆生产与应用技术管理师取证培训班”正式启动

近日,中国散装水泥推广发展协会（以下简称中国散协）印发《关于在2014年继续举办预拌砂浆生产与应用技术管理师取证培训班的通知》（中散协〔2014〕5号）,标志着以各地散办有关人员,预拌砂浆（产品、装备、配套设备、外加剂等）生产企业及有投资预拌砂浆意向单位的管理、技术负责人员,专门负责预拌砂浆施工的第三方单位的管理和技术负责人为主要对象的“2014年全国预拌砂浆生产与应用技术管理师培训工作”正式启动。     

纵火杀人未遂 反被刑事拘留

近日，罗山县公安局经缜密侦察，快速反应，仅用6小时就成功侦破一起纵火杀人未遂案。     

检测小篡改区域的U型网络

目的 图像篡改区域检测是图像取证领域的一个挑战性任务,其目的是找出图像的篡改区域。传统方法仅针对某种特定的篡改方式进行设计,难以检测其他篡改方式的图像。基于卷积神经网络的方法能够自适应地提取特征,同时检测包含多种篡改方式的图像。但是其中多数方法都选择增强图像的噪声特征,这种机制无法较好处理篡改区域与原图像来源相同、噪声相似的情况。多数方法还忽略了篡改区域过小而产生的样本不平衡问题,导致检测效果不佳。方法 提出了一个基于区域损失的用于检测小篡改区域的U型网络,该网络构建了一个异常区域特征增强机制,放大与图像背景差异较大的异常区域的特征。此外,还利用区域损失增强对篡改区域框内像素的判别能力,可以解决因篡改区域过小而产生的样本不平衡问题。结果 消融实验说明了异常区域特征增强机制和区域损失机制的有效性;对JPEG压缩和高斯模糊的对抗性测试证明了模型的鲁棒性;在CASIA2.0（CASI-A image tampering detection evaluation database）、NIST2016（NIST nimble 2016 datasets）、COLUMBIA （Columbia uncompressed image splicing detection evaluation dataset）和COVERAGE （a novel database forcopy-move forgery detection）数据集上与最新方法进行比较时,本文方法取得了最优性能,其F1 score分别为0.979 5、0.982 2、0.995 3和0.987 0。结论 本文的异常区域特征增强机制和区域损失机制能有效提高模型性能,同时缓解篡改区域过小导致的样本不平衡问题,大量实验也表明了本文提出的小篡改区域检测方法的优越性。