Nhận dạng ảnh giả mạo dựa trên phương pháp phân lớp kết hợp biến đổi ảnh đầu vào

BỘ CÔNG THƯƠNG TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP THÀNH PHỐ HỒ CHÍ MINH NGUYỄN TRUNG TRÍ NHẬN DẠNG ẢNH GIẢ MẠO DỰA TRÊN PHƯƠNG PHÁP PHÂN LỚP KẾT HỢP BIẾN ĐỔI ẢNH ĐẦU VÀO Chuyên ngành KHOA HỌC MÁY TÍNH Mã chuyên ngành 8480101 LUẬN VĂN THẠC SĨ THÀNH PHỐ HỒ CHÍ MINH, NĂM 2021 Công trình được hoàn thành tại Trường Đại học Công nghiệp TP Hồ Chí Minh Người hướng dẫn khoa học Huỳnh Khả Tú Luận văn thạc sĩ được bảo vệ tại Hội đồng chấm bảo vệ Luận văn thạc sĩ Trường Đại học Công nghiệp thành phố Hồ Chí Minh n.

BỘ CÔNG THƯƠNG TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP THÀNH PHỐ HỒ CHÍ MINH NGUYỄN TRUNG TRÍ NHẬN DẠNG ẢNH GIẢ MẠO DỰA TRÊN PHƯƠNG PHÁP PHÂN LỚP KẾT HỢP BIẾN ĐỔI ẢNH ĐẦU VÀO Chuyên ngành: KHOA HỌC MÁY TÍNH Mã chuyên ngành: 8480101 LUẬN VĂN THẠC SĨ THÀNH PHỐ HỒ CHÍ MINH, NĂM 2021 Cơng trình hồn thành Trường Đại học Cơng nghiệp TP Hồ Chí Minh Người hướng dẫn khoa học: Huỳnh Khả Tú Luận văn thạc sĩ bảo vệ Hội đồng chấm bảo vệ Luận văn thạc sĩ Trường Đại học Công nghiệp thành phố Hồ Chí Minh ngày 02 tháng 03 năm 2022 Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm: PGS.TS Huỳnh Trung Hiếu - Chủ tịch Hội đồng TS Lê Thành Sách - Phản biện PGS.TS Nguyễn Hòa - Phản biện TS Phạm Thị Thiết - Ủy viên TS Lê Nhật Duy - Thư ký (Ghi rõ họ, tên, học hàm, học vị Hội đồng chấm bảo vệ luận văn thạc sĩ) CHỦ TỊCH HỘI ĐỒNG TRƯỞNG KHOA BỘ CÔNG THƯƠNG TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP THÀNH PHỐ HỒ CHÍ MINH CỘNG HỊA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập - Tự - Hạnh phúc NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: Nguyễn Trung Trí MSHV: 19000131 Ngày, tháng, năm sinh: 17/11/1987 Nơi sinh: Đồng Tháp Chuyên ngành: Khoa học máy tính Mã chuyên ngành: 8480101 I TÊN ĐỀ TÀI: Nhận dạng ảnh giả mạo dựa phương pháp phân lớp kết hợp biến đổi ảnh đầu vào II NGÀY GIAO NHIỆM VỤ: Theo Quyết định số 1032/QĐ-ĐHCN ngày 09/08/2021 III NGÀY HOÀN THÀNH NHIỆM VỤ: 01/02/2022 IV NGƯỜI HƯỚNG DẪN KHOA HỌC: TS Huỳnh Khả Tú Tp Hồ Chí Minh, ngày … tháng … năm 20 … NGƯỜI HƯỚNG DẪN CHỦ NHIỆM BỘ MÔN ĐÀO TẠO (Họ tên chữ ký) (Họ tên chữ ký) Huỳnh Khả Tú TRƯỞNG KHOA CÔNG NGHỆ THÔNG TIN Huỳnh Trung Hiếu LỜI CẢM ƠN Trong trình học tập, nghiên cứu hồn thiện luận văn, tác giả nhận đợng viên, khuyến khích tạo điều kiện giúp đỡ nhiệt tình cấp lãnh đạo, thầy giáo, cô giáo, anh chị em, bạn bè đồng nghiệp gia đình Tác giả biết ơn sâu sắc thầy cô giáo khoa Cơng nghệ thơng tin, phịng Sau đại học trường Đại học Cơng nghiệp Thành phố Hồ Chí Minh nhất thầy cô giáo trực tiếp giảng dạy chun đề tồn khóa học tạo điều kiện, góp ý kiến giúp tác giả hồn thành q trình học tập hoàn thành luận văn thạc sĩ Đặc biệt, tác giả xin chân thành gửi lời cảm ơn sâu sắc đến TS Huỳnh Khả Tú – Người tận tình hướng dẫn, giúp đỡ, định hướng tác giả q trình nghiên cứu hồn thành luận văn Vì thời gian nghiên cứu giới hạn, thêm vào thời gian cơng tác đan xen, luận văn khơng thể tránh khỏi thiếu sót, tác giả rất mong nhận ý kiến góp ý chân thành từ thầy giáo, cô giáo, đồng nghiệp, bạn bè gia đình i TĨM TẮT LUẬN VĂN THẠC SĨ Luận văn đề xuất một phương pháp để phát ảnh giả mạo mà vùng giả mạo chèn vào hình ảnh khác Mơ hình tác giả xây dựng để phân loại hình ảnh có giả mạo hay khơng mợt tập hợp hình ảnh Việc phân loại hình ảnh nhằm mục đích tiết kiệm thời gian thu thập loại bỏ hình ảnh giả mạo một tập liệu khổng lồ bỏ qua bước tìm kiếm khu vực giả mạo khơng có hình ảnh giả mạo Các nghiên cứu trước chủ yếu tập trung vào việc tìm kiếm khu vực giả mạo hình ảnh bị can thiệp Tiền xử lý ảnh đầu vào Inception V3 [1] kết hợp để cải thiện khả phát giả mạo Quá trình tiền xử lý với mục đích làm bật vùng cắt hình ảnh Splicing Mơ hình đề x́t thử nghiệm tập liệu ảnh Columbia [2] tập liệu tích hợp tác giả với đợ xác trung bình phát ảnh Splicing lên đến 93,7% Với đợ xác cao cho thấy hiệu phương pháp đề xuất mợt đóng góp cho lĩnh vực giám định ảnh (Image Forensics) Kết nghiên cứu Luận văn viết thành báo khoa học, chấp nhận đăng báo cáo Hội nghị quốc tế Future Data and Security Engineering (FDSE) năm 2021 ii ABSTRACT The Dissertation proposes a method to detect the splicing in images which the spliced regions are created from other images Our model is built to classify images with fake or not in a set of images The image classification aims to save time when collecting and removing the fake images in a huge dataset and skip the step of searching the forged areas if there is no forgery in images Previous studies mainly focused on the finding forged areas on the interfered image The image preprocessing and Inception V3 are combined to improve the detection The objective preprocessing is to highlight the cropped area of the spliced images The proposed model is experimented on Columbia Uncompressed Image Splicing Detection Evaluation Dataset and our built-in dataset with the average accuracy of spliced image detection up to 93.7% The high accuracy demonstrates the effectiveness of the proposed method and is also a new contribution to the field of image forensics iii LỜI CAM ĐOAN Tơi xin cam đoan cơng trình nghiên cứu thân hướng dẫn TS Huỳnh Khả Tú Các kết nghiên cứu kết luận luận văn trung thực, không chép từ bất kỳ một nguồn bất kỳ hình thức Việc tham khảo nguồn tài liệu (nếu có) thực trích dẫn ghi nguồn tài liệu tham khảo quy định Học viên Nguyễn Trung Trí iv MỤC LỤC LỜI CẢM ƠN i TÓM TẮT LUẬN VĂN THẠC SĨ ii ABSTRACT iii LỜI CAM ĐOAN iv MỤC LỤC v DANH MỤC HÌNH ẢNH vii DANH MỤC TỪ VIẾT TẮT viii MỞ ĐẦU .1 Đặt vấn đề .1 Mục tiêu nghiên cứu Đối tượng phạm vi nghiên cứu Cách tiếp cận phương pháp nghiên cứu .2 Ý nghĩa thực tiễn đề tài .3 CHƯƠNG TỔNG QUAN VỀ LĨNH VỰC NGHIÊN CỨU 1.1 Khái quát vấn đề .5 1.2 Phân loại ảnh giả mạo [8] 1.3 Tập liệu đầu vào 1.4 Phương hướng giải CHƯƠNG CƠ SỞ LÝ THUYẾT 11 2.1 Mạng nơ ron tích chập 11 2.1.1 Cấu tạo trình xử lý một nơ ron sinh học [9] 11 2.1.2 Mạng nơ ron [10] 12 2.1.3 Mợt số hàm kích hoạt thơng dụng 15 v 2.1.4 Mạng nơ ron tích chập [11] 16 2.1.5 Xây dựng mạng nơ ron tích chập [12] 17 2.2 Kiến trúc Inception V3 24 2.2.1 Lịch sử phát triển mạng CCN 24 2.2.2 Inception V1[17] .26 2.2.3 Inception V3 27 2.3 Phương pháp Enhance hình ảnh 28 CHƯƠNG GIẢI THUẬT ĐỀ XUẤT VÀ KẾT QUẢ NGHIÊN CỨU 30 3.1 Tiền xử lý ảnh 30 3.2 Huấn luyện với Inception V3 32 3.3 Đánh giá đợ xác kiểm thử kết ngẫu nhiên 32 3.4 Kết đạt .33 KẾT LUẬN VÀ KIẾN NGHỊ 40 DANH MỤC CƠNG TRÌNH ĐÃ CƠNG BỐ CỦA HỌC VIÊN 41 TÀI LIỆU THAM KHẢO 42 PHỤ LỤC 44 Mã nguồn biến đổi ảnh đầu vào 44 Các bước huấn luyện sử dụng Inception V3 tập ảnh đầu vào tiền xử lý .45 LÝ LỊCH TRÍCH NGANG CỦA HỌC VIÊN 47 vi DANH MỤC HÌNH ẢNH Hình 1.1 Ảnh Copy – Move Hình 1.2 Ảnh Splicing .6 Hình 1.3 Ảnh thật từ tập ảnh Columbia Hình 1.4 Ảnh splicing từ tập ảnh Columbia .7 Hình 1.5 Ảnh thật mà chúng thu thập Hình 1.6 Ảnh Slpicing mà tác giả thực Hình 1.7 Sơ đồ khối phương pháp đề xuất 10 Hình 2.1 Nơ ron sinh học 11 Hình 2.2 Mơ hình logistic regresion 13 Hình 2.3 Mơ hình nơ ron kết nối đầy đủ 14 Hình 2.4 Đồ thị hàm Sigmoid 15 Hình 2.5 Đồ thị hàm RELU 16 Hình 2.6 Các tầng (layer) CNN chiều 17 Hình 2.7 Tích chập mợt ma trận nhỏ để tạo liệu đầu vào cho một nơ ron tầng ẩn 18 Hình 2.8 Ví dụ lớp tích chập 19 Hình 2.9 So sánh ReLU Sigmoid 21 Hình 2.10 Ví dụ minh họa đơn giản Pooling layer 22 Hình 2.11 Kiến trúc LeNet-5 24 Hình 2.12 Kiến trúc VGG-16 25 Hình 2.13 Kiến trúc Inception V1 .26 Hình 2.14 Kiến trúc Inception V3 .27 Hình 3.1 Kết thực kỹ thuật Contrast kết hợp Enhance .31 Hình 3.2 Kết sau huấn luyện 34 Hình 3.3 Biểu đồ sau huấn luyện 35 Hình 3.4 Mợt ví dụ kết dự đốn Splicing 36 Hình 3.5 Mợt ví dụ kết dự đốn khơng giả mạo 37 Hình 3.7 Kết dự đốn mợt số ảnh khác 39 vii DANH MỤC TỪ VIẾT TẮT (Xếp theo thứ tự A, B, C chữ đầu viết tắt) CNN NN Mạng Nơ – ron tích chập (Convolutional neural network) Mạng Nơ – ron (Neural Network) viii MỞ ĐẦU Đặt vấn đề Cuộc cách mạng 4.0 có tác đợng mạnh mẽ đến lĩnh vực kinh tế, văn hóa, xã hợi phát triển vượt bậc, kèm theo phát triển khoa học kỹ thuật nói chung cơng nghệ thơng tin nói riêng Theo xu hướng đó, phần mềm đồ họa đồng loạt phát triển, góp phần khơng nhỏ vào việc đẩy mạnh phát triển chuyên ngành xử lý ảnh Tuy vậy, bên cạnh lợi ích mang lại từ phát triển phần mềm đồ họa, đặt một thách thức việc tợi phạm máy tính lợi dụng phần cứng, phần mềm để giả mạo hình ảnh phát triển không Các sản phẩm ảnh giả mạo tạo ngày tinh vi hơn, góc cạnh độ lệch ánh sáng ngày sắc sảo hơn, thử thách nhà nghiên cứu không ngừng phát triển thuật toán nhận biết ảnh giả mạo Trong luận văn này, tác giả nghiên cứu, xây dựng cách thức nhận dạng ảnh giả mạo dựa phương pháp phân lớp kết hợp biến đổi ảnh đầu vào Và đối tượng nghiên cứu tập ảnh thật kết hợp với ảnh giả mạo kiểu Splicing, từ đóng góp thêm mợt khía cạnh khác ứng Deep Learning vào nhận dạng ảnh giả mạo nói chung ảnh Splicing nói riêng Mục tiêu nghiên cứu 2.1 Mục tiêu nghiên cứu tổng quát Mục tiêu đề tài nghiên cứu xây dựng cách thức nhận dạng ảnh giả mạo dạng Splicing dựa phương pháp phân lớp kết hợp biến đổi ảnh đầu vào 2.2 Mục tiêu nghiên cứu cụ thể • Nghiên cứu tổng quan Giả mạo ảnh (Image Forgery) • Nghiên cứu tổng quan Deep Learning • Nghiên cứu tập liệu thu thập liệu • Nghiên cứu phương biến đổi ảnh đầu vào • Nghiên cứu phương pháp xây dựng mơ hình (Model building) • Nghiên cứu áp dụng phương pháp huấn luyện (Training) ứng dụng vào tập liệu thu thập • Nghiên cứu so sánh kết đạt từ phương pháp để rút phương pháp tối ưu phục vụ nghiên cứu xây dựng cách thức nhận dạng ảnh giả mạo dựa phương pháp phân lớp kết hợp biến đổi ảnh đầu vào Đối tượng phạm vi nghiên cứu 3.1 Đối tượng nghiên cứu • Ảnh giả mạo dạng Splicing • Tập liệu đầu vào • Mạng Nơ – ron tích chập • Các phương pháp biến đổi ảnh • Ngơn ngữ lập trình Python 3.2 Phạm vi nghiên cứu Đề tài tập trung nghiên cứu áp dụng phương pháp biến đổi ảnh đầu vào, kết hợp với cá phương pháp huấn luyện để trích xuất đặc trưng ảnh, từ phân lớp nhận dạng ảnh giả mạo kiểu Splicing Cách tiếp cận phương pháp nghiên cứu 4.1 Thời gian nghiên cứu Từ ngày 01 tháng 08 năm 2021 đến ngày 01 tháng 02 năm 2022 4.2 Địa điểm vật liệu nghiên cứu Địa điểm: Nghiên cứu thực khu vực nhà riêng, công sở, nơi công cộng địa bàn tỉnh Đồng Tháp Vật liệu: Máy tính xách tay Laptop Asus Tuf Gaming A17 4.3 Phương pháp nghiên cứu 4.3.1 Phương pháp nghiên cứu dựa tài liệu: • Nghiên cứu, tham khảo từ giáo trình khai thác tài liệu khác Internet nội dung nghiên cứu • Nghiên cứu học sâu phương pháp huấn luyện • Nghiên cứu tài liệu cấu trúc liệu cách thức thu thập tài liệu • Nghiên cứu tài liệu ngơn ngữ lập trình Python 4.3.2 Phương pháp nghiên cứu dựa thực nghiệm: • Lập trình có kiểm chứng dựa tập liệu thu • Sử dụng kết thu từ việc lập trình mơ phỏng, từ rút kết luận so sánh phương pháp huấn luyện cho toán Thu thập liệu 4.4 Dữ liệu thu thập từ việc sử dụng tập ảnh Columbia ảnh khai thác từ thực tế 4.5 Xử lý Phân tích liệu Bước 1: Từ tập liệu thu được, tác giả dùng phương pháp biến đổi ảnh đầu vào với mục đích làm bật lên đặc trưng Bước 2: Lập trình xây dựng mơ hình chuẩn bị cho việc h́n luyện Bước 3: Áp mơ hình xây dựng vào tập liệu thực việc huấn luyện Bước 4: Đánh giá kết đạt thực so sánh Ý nghĩa thực tiễn đề tài Nội dung nghiên cứu đề tài với hy vọng mang lại mợt khía cạnh khác nhận dạng ảnh giả mạo dựa thuật toán học sâu Từ rút kết luận việc áp dụng giải thuật biến đổi ảnh đầu vào kết hợp phương pháp xây dựng mơ hình tối ưu, làm tảng cho việc phát triển nghiên cứu tác giả sau Bên cạnh đó, nghiên cứu trước thường đánh giá tập liệu chuẩn Comlumbia CASIA Luận văn nghiên cứu kết hợp tập liệu chuẩn Comlumbia tập liệu mà tác giả thu thập thực tế Việt Nam, tái lại thao tác giả mạo ảnh kiểu Splicing mức độ bán chuyên trở xuống, phương pháp giả mạo ảnh thường gặp Trang thông tin mạng xã hợi Đó tảng quan trọng để định hướng phát triển đề tài, xây dựng mợt cơng cụ nhận dạng ảnh giả mạo nhằm góp phần xây dựng một môi trường mạng lành mạnh thời đại 4.0 CHƯƠNG 1.1 TỔNG QUAN VỀ LĨNH VỰC NGHIÊN CỨU Khái quát vấn đề Ngày nay, Image Forensics biết đến một lĩnh vực xử lý hình ảnh ứng dụng Khi hình ảnh mà nhìn thấy hàng ngày bị can thiệp công cụ công nghệ đại đến mức khơng thể xác nhận tính ngun hình ảnh việc xác thực hình ảnh trở thành một lĩnh vực nghiên cứu Sự can thiệp xem tích cực ảnh đẹp, ảnh nghệ thuật, nhiên một số trường hợp nhất định, việc làm giả ảnh lại gây ảnh hưởng khơng tốt Có nhiều cách để bảo vệ tính tồn vẹn hình ảnh watermarking, chữ ký số, phương pháp biết trước hình ảnh gốc bảo vệ hình ảnh gốc mã bảo mật Tuy nhiên, khơng biết trước thơng tin ảnh gốc việc xác định tính tồn vẹn mợt vấn đề đặt lĩnh vực Image Forensics Các giải thuật phát giả mạo ảnh thời điểm thường Local Binary Patterns [3] Deep Learning Đối với Local Binary Patterns, giải thuật thường phức tạp, tốn chi phí phạm vi ứng dụng có giới hạn Trong năm gần đây, nhà nghiên cứu chuyển dần qua ứng dụng phương pháp Deep Learning, sử dụng NN [4][5][6][7] để trích x́t đặc trưng ảnh, từ nhận biết phân loại ảnh thật ảnh giả mạo, đồng thời xác định vùng giả mạo tương ứng Việc xác định vùng giả mạo ảnh dạng Splicing phải mất thời gian xử lý nhất định, nên để xác định ảnh ảnh giả mạo tập ảnh khổng lồ một thách thức nhà nghiên cứu 1.2 Phân loại ảnh giả mạo [8] Ảnh giả mạo một kỹ thuật biển đổi ảnh thông qua phần mềm hệ điều hành (Windows, Linux, Macintosh) thông qua thiết bị chuyên dụng Ảnh giả mạo gồm 02 (hai) loại: Ảnh Copy – Move: Các thành phần mợt ảnh trích x́t chép mợt vị trí khác ảnh (a) Ảnh giả mạo (b) Ảnh gốc Hình 1.1 Ảnh Copy – Move Tại hình 1.1, hình 1.1b ảnh gốc hình 1.1a ảnh giả mạo dạng Copy – Move, thành phần mợt ảnh trích x́t chép lại nhiều vị trí khác Ảnh Splicing: Ảnh giả mạo có thành phần cắt ghép từ ảnh khác (a) Ảnh gốc (b) Ảnh gốc (c) Ảnh Splicing Hình 1.2 Ảnh Splicing Tại hình 1.2, ảnh gốc 1.2a kết hợp với ảnh gốc 1.2b tạo ảnh dạng Splicing hình 1.2c 1.3 Tập liệu đầu vào Tập liệu đầu vào luận văn gồm 02 tập: Một là, tập ảnh Splicing từ trường đại học Columbia (New York, Hoa Kỳ) Tập ảnh có tổng cợng 363 ảnh, gồm 183 ảnh thật 180 ảnh splicing Mợt số ảnh ví dụ từ tập liệu Hình 1.3 Hình 1.4 Hình 1.3 Ảnh thật từ tập ảnh Columbia Hình 1.4 Ảnh splicing từ tập ảnh Columbia Hai là, tập ảnh tác giả thu thập nhằm gia tăng số lượng ảnh, từ đa dạng hóa liệu đầu vào tăng tính đa dạng tập ảnh thể tính hiệu giải thuật đề xuất luận văn Một số ảnh minh họa từ tập ảnh Hình 1.5 Hình 1.6 Hình 1.5 Ảnh thật mà chúng thu thập Hình 1.6 Ảnh Slpicing mà tác giả thực Tổng cộng số lượng ảnh 2629 ảnh 1.4 Phương hướng giải Luận văn đề xuất một cách tiếp cận cách áp dụng mơ hình Inception V3 để phát xem hình ảnh có phải giả mạo hay khơng Tác giả khơng sâu xác định vùng giả mạo, tác giả phân loại tổng thể ảnh giả cách đánh giá ảnh dựa phân loại Việc xác định hình ảnh giả mạo mợt bợ ảnh khổng lồ rất phức tạp có hàng trăm thao tác giả mạo giải pháp tác giả giải thách thức Với một ảnh tùy ý tập liệu ảnh gốc ảnh Splicing, u cầu tốn là: • Xác định xem hình ảnh có phải giả mạo hay khơng Bước hữu ích hiệu để xóa ảnh gốc khỏi tập liệu ảnh khổng lồ trước tìm định vị vùng giả mạo ảnh Nghiên cứu trước kiểm tra giả mạo hình ảnh thường bỏ qua việc phân loại hình ảnh giải trực tiếp vấn đề với vị trí giả mạo • Phát hình ảnh giả mạo dạng Splicing với đợ xác đáng tin cậy Dựa yêu cầu toán, tác giả đưa giải pháp để giải vấn đề sau: • Chọn bợ liệu đáng tin cậy bao gồm ảnh gốc ảnh Splicing để huấn luyện mơ hình Có nhiều bợ liệu để phát giả mạo hình ảnh hầu hết chúng Copy – Move mợt số Splicing Để tăng số lượng hình ảnh để huấn luyện, tác giả chụp nhiều hình ảnh tự nhiên tập liệu Dữ liệu sử dụng cho huấn luyện nhiều đợ xác cao • H́n luyện mơ hình cách sử dụng Inception V3 Tác giả sử dụng Inception V3 cho mơ hình tốc đợ h́n luyện nhanh tính tốn hiệu • Áp dụng quy trình tiền xử hình ảnh cách áp dụng Contrast kết hợp Enhance trước chuyển chúng sang mơ hình Inception V3 để cập nhật tập liệu cải thiện kiểm tra • Thực phương pháp đề x́t cho hình ảnh có khơng có Splicing đánh giá kết đạt Sơ đồ khối phương pháp đề xuất thể Hình 1.7 Hình 1.7 Sơ đồ khối phương pháp đề xuất 10 ... nghiên cứu, xây dựng cách thức nhận dạng ảnh giả mạo dựa phương pháp phân lớp kết hợp biến đổi ảnh đầu vào Và đối tượng nghiên cứu tập ảnh thật kết hợp với ảnh giả mạo kiểu Splicing, từ đóng góp... Nghiên cứu so sánh kết đạt từ phương pháp để rút phương pháp tối ưu phục vụ nghiên cứu xây dựng cách thức nhận dạng ảnh giả mạo dựa phương pháp phân lớp kết hợp biến đổi ảnh đầu vào Đối tượng... áp dụng phương pháp biến đổi ảnh đầu vào, kết hợp với cá phương pháp huấn luyện để trích x́t đặc trưng ảnh, từ phân lớp nhận dạng ảnh giả mạo kiểu Splicing Cách tiếp cận phương pháp nghiên cứu