无线传感器网络帧率上转换数字取证与地下采矿多标准风险评估

# 无线传感器网络帧率上转换数字取证与地下采矿多标准风险评估 ## 1. 无线传感器网络帧率上转换数字取证 ### 1.1 实验设置 基于23组CIF格式、30fps的测试视频序列，构建负集（NS）和正集（PS）来评估算法性能。 - **负集（NS）**：将23组视频序列直接混入标准差为0、3、5、7、9和11的高斯白噪声中，形成共138组测试视频序列。 - **正集（PS）**：先将NS的视频序列下转换到15fps，再采用特定的MC - FRUC方法将其篡改到30fps，形成552组测试视频序列。 ### 1.2 性能指标 采用假阳性率（FPR）、假阴性率（FNR）和检测准确率（DA）作为性能指标，计算公式如下： - \(FPR = \frac{R_{NS}}{N_{NS}}\) - \(FNR = \frac{R_{PS}}{N_{PS}}\) - \(DA = 1 - \frac{FNR + FPR}{2}\) 其中，\(R_{NS}\)和\(R_{PS}\)分别是NS和PS中的异常值数量，\(N_{NS}\)和\(N_{PS}\)分别是NS和PS中的测试视频数量。 ### 1.3 性能分析 - **FV值差异**：不同噪声标准差下，NS和PS的平均FV值分布差异显著，可通过硬阈值决策实现MC - FRUC的识别。 - **攻击影响**：压缩和去噪攻击会使PS的FV值下降，去噪攻击下降幅度更大。噪声方差越低，FV值越小；噪声方差较大时，FV值仍能保持较高水平，说明算法能较好抵抗压缩和去噪攻击。 ### 1.4 检测结果 - **阈值选择**：阈值Thr是确定可疑视频中是否存在MC - FRUC伪造的关键决策值。通过对训练集进行分析，发现合适的阈值Thr应小于3。在[0.05, 3]范围内以0.05为步长选择候选阈值，通过交叉验证选出最优阈值。 - **交叉验证**：将训练集的NS和PS分别随机划分为两个容量相同且不重叠的子集，一个用于训练，一个用于测试。经过10次交叉验证，发现阈值Thr为2.4时平均DA达到最大值，且每次交叉验证中测试子集的平均DA都能保证在0.92以上。 ### 1.5 不同伪造方法的检测准确率 | 混合噪声标准差α | α = 0 | α = 3 | α = 5 | α = 7 | α = 9 | α = 11 | | --- | --- | --- | --- | --- | --- | --- | | **MCFI伪造方法** | **FNR** | **DA** | **FNR** | **DA** | **FNR** | **DA** | | **无攻击** | | | | | | | | Ref. [14] | 0.00 | 1.00 | 0.00 | 1.00 | 0.00 | 1.00 | | Ref. [15] | 0.00 | 1.00 | 0.00 | 1.00 | 0.00 | 1.00 | | Ref. [16] | 0.00 | 1.00 | 0.00 | 1.00 | 0.00 | 1.00 | | **压缩攻击** | | | | | | | | Ref. [14] | 0.16 | 0.92 | 0.00 | 1.00 | 0.00 | 1.00 | | Ref. [15] | 0.17 | 0.915 | 0.00 | 1.00 | 0.00 | 1.00 | | Ref. [16] | 0.22 | 0.89 | 0.00 | 1.00 | 0.00 | 1.00 | | **去噪攻击** | | | | | | | | Ref. [14] | 0.17 | 0.915 | 0.04 | 0.98 | 0.09 | 0.955 | | Ref. [15] | 0.13 | 0.935 | 0.04 | 0.98 | 0.09 | 0.955 | | Ref. [16] | 0.13 | 0.935 | 0.04 | 0.98 | 0.