基于生物特征數(shù)據(jù)的數(shù)字取證技術(shù)研究*

王海濤，王新銘，王 丹，謝 波

（1.南京審計(jì)大學(xué)金審學(xué)院 信息科學(xué)與工程學(xué)院，江蘇 南京 210023；2.南通市如東縣公安局，江蘇 南通 226400；3.南京拓界信息技術(shù)有限公司，江蘇 南京 210000）

0 引 言

當(dāng)前，物聯(lián)網(wǎng)（Internet of Things，IoT）和人工智能（Artificial Intelligence，AI）的蓬勃發(fā)展促進(jìn)了大量智能設(shè)備遍及人類社會(huì)的各個(gè)角落，從平板電腦、智能手機(jī)、智能攝像頭、智能手環(huán)到智能家電，為用戶提供通信、監(jiān)控、醫(yī)療和娛樂等各種服務(wù)[1]。此外，智能設(shè)備之間還可以相互連接構(gòu)成智能物聯(lián)網(wǎng)，提供無所不在的服務(wù)，不斷提高人們的生產(chǎn)效率和生活質(zhì)量。截至2022年，全球有近300億臺(tái)設(shè)備已聯(lián)網(wǎng)使用，預(yù)計(jì)到2030年數(shù)量很可能翻倍。這些智能服務(wù)基礎(chǔ)設(shè)施不僅能在宏觀層面上更好地滿足社區(qū)需求，如智能電網(wǎng)可以提高電力使用效率，也可在微觀層面上更好地服務(wù)于用戶個(gè)性化需求，如智能家居為用戶提供更好的生活體驗(yàn)[2]。

這些為用戶提供的智能服務(wù)，特別是個(gè)性化服務(wù)往往需要用戶的姓名、年齡、性別及位置等個(gè)人隱私數(shù)據(jù)。由于智能設(shè)備收集的個(gè)人隱私數(shù)據(jù)的敏感性，必須在維持用戶較好服務(wù)體驗(yàn)的同時(shí)保護(hù)這些隱私數(shù)據(jù)免受未授權(quán)的訪問。針對(duì)這種情況，基于個(gè)人的生物特征（如人臉、指紋和語(yǔ)音等）來唯一驗(yàn)證用戶身份已成為網(wǎng)絡(luò)時(shí)代為用戶提供個(gè)性化服務(wù)的同時(shí)保護(hù)個(gè)人隱私數(shù)據(jù)的一種常用的解決方案，特別在網(wǎng)絡(luò)社交媒體應(yīng)用中。生物特征數(shù)據(jù)（Biometric Data）主要是指通過測(cè)量個(gè)人的典型生理和行為特征而產(chǎn)生的數(shù)據(jù)，典型的生物特征包括面部、指紋、聲紋、虹膜、基因或步態(tài)等，是確定用戶身份特征的重要依據(jù)[3]。然而，在基于生物特征數(shù)據(jù)為用戶提供服務(wù)的過程中，這些隱私數(shù)據(jù)有可能被惡意操縱或篡改，進(jìn)而給用戶個(gè)體乃至網(wǎng)絡(luò)服務(wù)的正常提供帶來安全隱患。因此，對(duì)生物特征數(shù)據(jù)的真實(shí)性和完整性進(jìn)行有效驗(yàn)證已成為業(yè)界急需解決的技術(shù)難題。本文主要關(guān)注物聯(lián)網(wǎng)場(chǎng)景下生物特征數(shù)據(jù)的數(shù)字取證，并從圖像和聲音兩個(gè)方面探討基于生物特征數(shù)據(jù)的數(shù)字取證相關(guān)技術(shù)及其存在的問題。

1 生物特征數(shù)據(jù)的應(yīng)用

當(dāng)前，生物特征數(shù)據(jù)在物聯(lián)網(wǎng)場(chǎng)景中得到了廣泛應(yīng)用。物聯(lián)網(wǎng)是支撐智慧城市構(gòu)建和運(yùn)轉(zhuǎn)的重要基石，并通常以分層架構(gòu)的方式實(shí)施部署。這種分層架構(gòu)自底向上一般至少包括感知層、網(wǎng)絡(luò)層和應(yīng)用層3層[4]。具體而言，感知層負(fù)責(zé)管理海量智能設(shè)備的數(shù)據(jù)采集，網(wǎng)絡(luò)層負(fù)責(zé)實(shí)現(xiàn)海量智能設(shè)備的互聯(lián)互通，應(yīng)用層為用戶提供各種按需的智能服務(wù)，包括智能電網(wǎng)、智能家居、智能交通、智能醫(yī)療、智能政務(wù)和智能商務(wù)等。從物聯(lián)網(wǎng)3層架構(gòu)來看，生物特征數(shù)據(jù)主要用于感知層中終端用戶與智能設(shè)備的交互認(rèn)證，以及用戶對(duì)相關(guān)數(shù)據(jù)和應(yīng)用服務(wù)的授權(quán)訪問[5]。也就是說，用戶與智能設(shè)備的人機(jī)接口/用戶界面（User Interface，UI）使用戶能夠與設(shè)備進(jìn)行友好互動(dòng)，從而利用設(shè)備提供的個(gè)體服務(wù)及聯(lián)網(wǎng)設(shè)備的整體服務(wù)。當(dāng)前，基于生物特征的用戶身份鑒別是保障智能設(shè)備為用戶提供安全可靠個(gè)性化服務(wù)的一種重要技術(shù)手段，例如基于人臉識(shí)別的智能門鎖、基于人體姿態(tài)識(shí)別的危險(xiǎn)駕駛行為檢測(cè)、基于生物特征識(shí)別的金融交易和基于指紋的用戶登記簽到等[6]。

基于個(gè)人的身體特征（如面部、指紋、虹膜和聲音）或行為屬性（如步態(tài)和擊鍵動(dòng)作）來精準(zhǔn)識(shí)別用戶個(gè)體的研究已逐漸發(fā)展成為一個(gè)新興的學(xué)科——生物統(tǒng)計(jì)學(xué)[7]。在物聯(lián)網(wǎng)應(yīng)用場(chǎng)景中，生物特征數(shù)據(jù)可以通過生物計(jì)量傳感器、監(jiān)控視頻甚至社交媒體網(wǎng)絡(luò)上傳的信息來獲得。通常情況下，生物特征鑒別系統(tǒng)假定生物特征數(shù)據(jù)是合法的（沒有被惡意偽造或篡改），然而這種假設(shè)在充滿安全隱患的物聯(lián)網(wǎng)環(huán)境中顯然是不成立的。生物特征數(shù)據(jù)通常以數(shù)字圖像和音頻的形式存在于物聯(lián)網(wǎng)中被采集和使用，一些惡意攻擊會(huì)破壞生物特征數(shù)據(jù)的完整性和可用性。例如，人臉圖像可能會(huì)受到多種不同形式的攻擊導(dǎo)致生物特征識(shí)別失效，這些攻擊包括人臉圖像替換、面部屬性篡改（改變表情、頭發(fā)、膚色等）和人臉合成偽造等。針對(duì)這種情況，面向生物特征數(shù)據(jù)的數(shù)字取證技術(shù)應(yīng)運(yùn)而生，以確保生物特征數(shù)據(jù)在使用過程中的真實(shí)性、完整性和隱私性。

2 數(shù)字圖像取證技術(shù)

2.1 技術(shù)概述

隨著智能設(shè)備的日益普及和智能服務(wù)的廣泛應(yīng)用，數(shù)字圖像取證已逐漸引起了政府和科研機(jī)構(gòu)的關(guān)注和重視，相關(guān)研究工作也隨之展開[8]。一方面，生物特征識(shí)別技術(shù)的應(yīng)用領(lǐng)域眾多，包括智能設(shè)備認(rèn)證使用、重要區(qū)域人員監(jiān)控、數(shù)據(jù)獲取訪問控制、金融交易身份鑒別等。另一方面，各種圖像編輯工具（如Photoshop、FaceApp、FaceSwap）和合成圖像生成工具（如DeepFakes）的不斷涌現(xiàn)給數(shù)字圖像的身份鑒別帶來了巨大挑戰(zhàn)。這些圖像編輯和圖像生成工具很可能被用于非法領(lǐng)域或惡意目的，如假冒他人身份、竊取隱私數(shù)據(jù)或誹謗造謠他人等。因此，有必要采用有效的數(shù)字圖像取證方法來準(zhǔn)確檢測(cè)和阻止此類攻擊，其中特別要關(guān)注惡意改變或操縱數(shù)字生物特征圖像的情況，以確保數(shù)字圖像的完整性。

數(shù)字圖像取證需要解決3個(gè)基本問題，一是確認(rèn)圖像的來源，二是確認(rèn)圖像是否被篡改，三是確認(rèn)視覺上相似的圖像之間的關(guān)系[3]。例如，在移動(dòng)銀行應(yīng)用中用戶若要使用智能手機(jī)訪問網(wǎng)絡(luò)銀行，可以基于雙因子認(rèn)證協(xié)議同時(shí)進(jìn)行用戶和設(shè)備的認(rèn)證，即通過生物特征識(shí)別用戶身份并通過設(shè)備傳感器識(shí)別來驗(yàn)證設(shè)備，從而確保授權(quán)用戶使用注冊(cè)設(shè)備訪問應(yīng)用程序。設(shè)備采集的生物特征圖像可同時(shí)服務(wù)于用戶和設(shè)備認(rèn)證，為了識(shí)別設(shè)備傳感器就必須確定采集的生物特征圖像源于用戶設(shè)備，同時(shí)還要驗(yàn)證生物特征圖像的合法性，并標(biāo)記任何可能被數(shù)字處理過的圖像。另外，在社交媒體應(yīng)用中很可能出現(xiàn)人臉圖像被巧妙修改并多次使用的情況。此時(shí)，就需確定相似圖像之間的聯(lián)系以跟蹤圖像修改的軌跡和溯源原始圖像。

針對(duì)第一個(gè)問題，業(yè)界已開發(fā)了相應(yīng)的圖像來源識(shí)別方案，即識(shí)別圖像是采用什么相機(jī)或傳感器獲取到的，進(jìn)而確定圖像的采集者。針對(duì)第二個(gè)問題，可以采用圖像偽造檢測(cè)技術(shù)來鑒別一張圖像是否被篡改過，具體可通過檢測(cè)圖像的任何部分是否經(jīng)歷過拼接或復(fù)制移動(dòng)的偽造行為來實(shí)現(xiàn)。針對(duì)第三個(gè)問題，需要確定一組近似重復(fù)的圖像之間的關(guān)系，即原始圖像被轉(zhuǎn)換和修改的具體過程，例如一幅圖像可以通過改變圖像的亮度、對(duì)比度或布局（旋轉(zhuǎn)、平移或縮放）進(jìn)行反復(fù)修改，從而產(chǎn)生一組在視覺上看起來完全相同的圖像。此外，還可以使用圖像編輯軟件從屬于兩個(gè)不同身份的臉部圖像中生成一個(gè)合成的圖像用于非法目的，如使兩個(gè)不同身份的人共享一本護(hù)照。鑒于目前廉價(jià)甚至免費(fèi)的圖像編輯工具的普及，非專業(yè)用戶也可在短時(shí)間內(nèi)生成數(shù)百個(gè)非常相似的圖像，因此從一組近似的圖像中確定原始圖像并進(jìn)一步推斷出圖像變化軌跡（也稱多媒體系統(tǒng)演變）的機(jī)制非常重要。

2.2 圖像來源識(shí)別

圖像來源識(shí)別也稱為圖像歸屬確定，是指識(shí)別用于獲取數(shù)字圖像的相機(jī)或成像傳感器的相關(guān)技術(shù)[9]。早期的圖像來源識(shí)別工作主要集中在使用像素缺陷（如壞像素）來檢索拍攝照片的相機(jī)身份，如基于鏡頭畸變，特別是徑向鏡頭畸變來獲取相機(jī)的具體信息，也可以利用從圖像中提取的特征（如顏色和對(duì)比度）來進(jìn)行圖像來源相機(jī)的識(shí)別。數(shù)碼相機(jī)大都配備了CCD或CMOS成像傳感器，并在成像傳感器前設(shè)有一個(gè)彩色濾光片（Color Filter Array，CFA）。因此，可以利用基于CFA的像素插值法引入的像素間固有的關(guān)聯(lián)性來區(qū)分屬于不同制造商的相機(jī)，但可能不適合區(qū)分同一制造商的不同型號(hào)的相機(jī)。

另一種確定圖片來源相機(jī)的方案則利用了成像傳感器中出現(xiàn)的缺陷。具體而言，由于制造過程中的異常情況而產(chǎn)生的傳感器缺陷會(huì)導(dǎo)致傳感器圖案噪聲，其中光響應(yīng)不均勻性（Photo Response Non-Uniformity，PRNU）是傳感器圖案噪聲的主要類型。PRNU可以視為一個(gè)相機(jī)的獨(dú)特標(biāo)簽并可用于推斷成像傳感器的身份，并且已被成功用于識(shí)別虹膜傳感器。此外，數(shù)碼單反相機(jī)更換鏡頭時(shí)灰塵顆粒也會(huì)在成像傳感器上形成不同圖案，也可利用這種灰塵圖案造成的傳感器缺陷來識(shí)別相機(jī)。近幾年，已有學(xué)者利用深度卷積神經(jīng)網(wǎng)絡(luò)成功從圖像中識(shí)別智能手機(jī)的攝像頭。然而，應(yīng)注意的是有一些針對(duì)上述方案的反取證措施，例如，平場(chǎng)掃描技術(shù)（Flat-fielding）可以通過軟硬件結(jié)合的方式消除由縮放、光源或鏡頭等引起的光學(xué)途徑變異而導(dǎo)致的不一致性，從而干擾圖片來源的識(shí)別。

2.3 圖像偽造檢測(cè)

圖像可以通過操縱其中的元素而被篡改，例如，可以通過執(zhí)行復(fù)制移動(dòng)（即從一個(gè)圖像的一個(gè)區(qū)域復(fù)制一個(gè)對(duì)象并將其粘貼到同一圖像的另一個(gè)區(qū)域）或拼接操作（即從一個(gè)圖像中復(fù)制一個(gè)對(duì)象并將其粘貼到另一個(gè)圖像）來偽造。圖像偽造檢測(cè)方法可以采用基于數(shù)字水印的主動(dòng)方式，也可以采用基于圖像本身的被動(dòng)方式。圖像偽造檢測(cè)通常不僅要檢測(cè)圖像是否被篡改，還要盡可能定位圖像中被篡改的區(qū)域。早期的偽造檢測(cè)方案考慮了偽造圖像中因重新采樣而出現(xiàn)的周期關(guān)聯(lián)性。通過復(fù)制移動(dòng)操作偽造的圖像通常涉及將圖像的部分克隆，檢測(cè)這種復(fù)制移動(dòng)的克隆偽造可以采用基于聚類的算法，也可以采用基于深度學(xué)習(xí)的方法來定位圖像篡改的痕跡。此外，還有一些機(jī)制考慮利用相機(jī)或傳感器信息來檢測(cè)和定位圖像/視頻中的偽造區(qū)域，例如，可以通過使用非線性的相機(jī)響應(yīng)函數(shù)來檢測(cè)圖像是否拼接，因?yàn)檫@種函數(shù)可以較好地區(qū)分自然模糊和人為模糊的邊界。

2.4 多媒體系統(tǒng)演變

在數(shù)字圖像取證領(lǐng)域，多媒體系統(tǒng)演變（Multimedia Phylogeny，MP）是指破譯圖像或視頻所經(jīng)歷的修改痕跡[10]。一幅圖像可能會(huì)經(jīng)過多次微小的修改，每次修改都會(huì)得到一個(gè)稍微不同的輸出，并可能使大量近似重復(fù)的圖片被上傳到互聯(lián)網(wǎng)上。多媒體系統(tǒng)演變機(jī)制需要從大量相似的圖像集合中推斷出原始圖像，并確定這些近似圖像之間的關(guān)聯(lián)關(guān)系?，F(xiàn)有一些工作基于圖像之間的依賴關(guān)系來確定其演變關(guān)系，并將描繪圖像修改痕跡的層次結(jié)構(gòu)表示為最小生成樹（Minimum Spanning Tree，MST）。MST中的節(jié)點(diǎn)對(duì)應(yīng)于圖像（根節(jié)點(diǎn)即為原始圖像），而邊則是連續(xù)轉(zhuǎn)換的圖像之間的定向鏈接關(guān)系，并將這種樹形結(jié)構(gòu)稱為圖像系統(tǒng)演變樹（Image Phylogeny Tree，IPT）。這類方法的基本原理是計(jì)算一個(gè)不對(duì)稱的差異度量，以便準(zhǔn)確地捕獲近似重復(fù)的圖像集中每一對(duì)圖像之間的關(guān)聯(lián)關(guān)系。非對(duì)稱度量可以基于注冊(cè)和匹配圖像對(duì)后得到的最小誤差來計(jì)算，然后將不對(duì)稱測(cè)量值輸入到樹生成算法（如定向Kruskal或深度優(yōu)先搜索）以構(gòu)建IPT。另外，也可以采用基于深度學(xué)習(xí)的矩陣去噪算法來構(gòu)建IPT，并將其用于檢測(cè)視頻的幀序列。

值得一提的是，可以基于多個(gè)關(guān)聯(lián)的圖像分別構(gòu)建IPT，進(jìn)而生成一個(gè)圖像系統(tǒng)演變森林（Image Phylogeny Forest，IPF）。舉例來說，在一起刑事案件中，發(fā)現(xiàn)兩張圖像與同一個(gè)人有關(guān)，但這兩幅圖像是用兩臺(tái)不同的相機(jī)獲取的。在這種情況下，可以將這兩張圖像視為兩個(gè)根節(jié)點(diǎn)來構(gòu)造不同的IPT，并由這兩個(gè)IPT產(chǎn)生一個(gè)IPF。IPF的構(gòu)建通常是一個(gè)聚類過程，將屬于不同IPT的圖像進(jìn)行分組，這種從多個(gè)攝像機(jī)對(duì)應(yīng)的視頻數(shù)據(jù)中產(chǎn)生的IPF可用于重建犯罪現(xiàn)場(chǎng)的事件序列。

3 數(shù)字音頻取證技術(shù)

3.1 技術(shù)概述

當(dāng)前，大多數(shù)智能設(shè)備（如智能手機(jī)）除支持觸控式人機(jī)接口外，還同時(shí)支持無接觸的聲控用戶界面（Voice User Interfaces，VUI），如蘋果手機(jī)的Siri和華為手機(jī)的小藝智能語(yǔ)音助理。基于接觸的生物計(jì)量方式，如指紋更適合用于保護(hù)觸控式的用戶界面；而基于非接觸的生物計(jì)量方式，如語(yǔ)音更適合用于操控?cái)?shù)字語(yǔ)音助手。當(dāng)前，基于語(yǔ)音控制的人機(jī)接口正變得無處不在，如日益流行的智能式穿戴設(shè)備和智能家電等。由于語(yǔ)音控制設(shè)備的正常操作離不開音頻數(shù)據(jù)的支持，因此必須驗(yàn)證這些設(shè)備輸入的音頻數(shù)據(jù)的完整性，以防止其被非授權(quán)使用。

數(shù)字音頻取證是一種用于獲取、增強(qiáng)和解釋音頻數(shù)據(jù)以驗(yàn)證其完整性的技術(shù)，已廣泛應(yīng)用于金融經(jīng)濟(jì)、商業(yè)消費(fèi)和政府治理等領(lǐng)域[11]。在生物特征識(shí)別應(yīng)用領(lǐng)域，使用音頻數(shù)據(jù)之前保護(hù)和驗(yàn)證其完整性是必要的環(huán)節(jié)。例如，惡意攻擊者可以偽造語(yǔ)音冒充目標(biāo)用戶，從而以欺詐手段獲取敏感用戶數(shù)據(jù)。此外，在公共領(lǐng)域傳播偽造、篡改或合成的音頻可能引起群眾恐慌和騷亂。例如，冒充有影響力的公眾人物發(fā)表有爭(zhēng)議的演講可能會(huì)帶來嚴(yán)重的政治和經(jīng)濟(jì)影響。

3.2 相關(guān)技術(shù)分析

數(shù)字音頻取證技術(shù)大致可分為兩大類：基于容器的取證技術(shù)和基于內(nèi)容的取證技術(shù)，前者重點(diǎn)調(diào)查音頻文件的文件結(jié)構(gòu)及相關(guān)元數(shù)據(jù)（如文件格式和時(shí)間戳）以驗(yàn)證其真實(shí)性，而后者通過檢查音頻文件的數(shù)據(jù)內(nèi)容（如說話人身份和語(yǔ)音記錄）以驗(yàn)證其真實(shí)性[12]。在此，僅關(guān)注基于內(nèi)容的音頻取證方法。

針對(duì)數(shù)字音頻的攻擊可以出現(xiàn)在音頻制作的音頻記錄、音頻編輯、音頻混合和音頻后期處理等多個(gè)環(huán)節(jié)。在音頻記錄階段，如果使用多個(gè)麥克風(fēng)記錄來自多個(gè)來源的音頻，那么每個(gè)麥克風(fēng)都會(huì)在相應(yīng)的音頻信號(hào)中留下一個(gè)唯一可識(shí)別的設(shè)備簽名，對(duì)錄音設(shè)備或相應(yīng)輸出音頻信號(hào)的任何篡改都會(huì)直接改變嵌入數(shù)據(jù)中的錄音設(shè)備的“簽名”。因此，這種設(shè)備簽名可以作為音頻來源取證檢測(cè)技術(shù)的關(guān)鍵依據(jù)。在音頻編輯階段，來自不同來源的音頻數(shù)據(jù)被單獨(dú)編輯以去除不必要的音頻噪音，并結(jié)合適當(dāng)?shù)囊纛l效果，如延遲、混響和飽和度調(diào)節(jié)等。然而，一些音頻編輯技術(shù)，如對(duì)接和復(fù)制移動(dòng)等可用于混淆、改變或替換某些音頻特征，從而破壞原始音頻數(shù)據(jù)的完整性。因此，音頻取證技術(shù)需要使用諸如基音跟蹤之類的技術(shù)來檢測(cè)和定位這種偽造行為。在音頻混合階段，多個(gè)來源的音頻被混合形成一個(gè)組合的音軌，在混合過程中可能包含來自未經(jīng)證實(shí)的來源的音頻，從而損害最終組合的音軌的完整性，這就需要音源識(shí)別取證技術(shù)來檢測(cè)這種音頻偽造。在音頻后期處理階段，合并后的音軌要經(jīng)過一系列微妙的音頻處理，包括均衡和壓縮等以產(chǎn)生最終的音軌。針對(duì)后期處理的情況，可以使用基于修正離散余弦變換（Modified Discrete Cosine Transform，MDCT）和機(jī)器學(xué)習(xí)的音頻取證技術(shù)來檢測(cè)壓縮音頻樣本的真實(shí)性。

綜上，針對(duì)音頻制作過程的不同階段需要采用不同形式的數(shù)字音頻取證技術(shù)[13]。第一，音頻取證技術(shù)要確認(rèn)音頻樣本的真實(shí)性，其主要目標(biāo)是確定數(shù)字音頻的來源和內(nèi)容的真實(shí)性。在音頻錄制和混音階段對(duì)音頻所做的改動(dòng)有可能修改輸出信號(hào)中的源設(shè)備簽名，從而破壞其數(shù)據(jù)的完整性?；谝纛l源歸屬的數(shù)字取證技術(shù)可以從音頻數(shù)據(jù)中提取特定錄音設(shè)備的音頻特征來鑒別音頻的來源設(shè)備。第二，音頻取證技術(shù)要解釋和記錄音頻樣本，需要從輸入音頻中提取如說話人身份和對(duì)話錄音此類重要信息。然而，數(shù)字音頻通常伴有背景噪聲、聲學(xué)混響和通道噪聲，使得從輸入音頻中準(zhǔn)確提取有價(jià)值的信息變得富有挑戰(zhàn)性。第三，音頻取證技術(shù)要能從音頻樣本中分析聲音環(huán)境，即識(shí)別和重建輸入音頻所處的聲學(xué)環(huán)境。當(dāng)前，基于統(tǒng)計(jì)的音頻取證技術(shù)可以根據(jù)音頻中的混響和背景噪聲的統(tǒng)計(jì)度量來描述音頻環(huán)境的聲學(xué)特性。

4 結(jié) 語(yǔ)

物聯(lián)網(wǎng)和人工智能的發(fā)展及應(yīng)用催生了智能時(shí)代的快速到來，也使得基于生物特征識(shí)別的人機(jī)交互變得無所不在。然而，由于生物特征數(shù)據(jù)在使用過程中可能被篡改，因此必須采用高效的數(shù)字取證技術(shù)來驗(yàn)證生物特征數(shù)據(jù)的完整性。本文主要探討了面向圖像和音頻類生物特征數(shù)據(jù)的數(shù)字取證技術(shù)，歸納了不同技術(shù)的應(yīng)用場(chǎng)景及其存在的問題。盡管針對(duì)圖像和音頻數(shù)據(jù)的數(shù)字取證研究工作已取得了一些成果，但目前還存在很多有待解決的困境。例如，現(xiàn)有的數(shù)字取證技術(shù)在檢測(cè)基于深度學(xué)習(xí)技術(shù)（如DeepFakes）創(chuàng)建或修改的圖像和音視頻時(shí)可能難以奏效。值得欣慰的是，當(dāng)前已有技術(shù)可以利用不一致的頭部姿勢(shì)和圖像中存在的臉部扭曲偽影來檢測(cè)基于DeepFakes工具偽造的人臉圖像，還有一些技術(shù)利用了人臉的全局一致性、光照和幾何形狀的視覺異常來檢測(cè)這類偽造。另外，數(shù)字取證技術(shù)也開始利用深度學(xué)習(xí)來應(yīng)對(duì)新出現(xiàn)的深度偽造問題。例如，利用深度學(xué)習(xí)網(wǎng)絡(luò)從圖像中提取的隱藏特征來檢測(cè)基于DeepFake的偽造視頻。

今后，數(shù)字取證技術(shù)將重點(diǎn)關(guān)注以下幾個(gè)研究方向：研究能夠更好地應(yīng)對(duì)未知生物特征攻擊的數(shù)字取證方法；研究能適用于海量生物特征數(shù)據(jù)的數(shù)字取證方法；研究如何通過推斷篡改數(shù)據(jù)的模式對(duì)攻擊進(jìn)行有效溯源；研究如何維護(hù)生物特征數(shù)據(jù)的安全并使其更好地防范可能的攻擊；研究如何對(duì)可能泄露個(gè)人敏感信息的社交媒體數(shù)據(jù)予以必要的保護(hù)，等等。