图像的指纹——从自然图片到GAN

从照片指纹讲起

这部分来自于百度百科，几乎一字不改

2015年，facebook提交了照片指纹的专利。
照片指纹，该技术可以根据数码照片的各种特征，识别出“照片指纹”，并确定这张照片由哪一部手机或者数码相机所拍，这个识别功能能够在社交网络中派上特别的用场，并确定照片版权归属。

每一部智能手机的摄像头或是数码相机，都会在照片中留下一些“指纹”。比如，数字照片文件中会包括一些“元数据”（类似数码照片的属性参数），描述了照片拍摄时所用的摄像头种类，光圈等等。

另外，一个摄像头的传感器芯片可能发生了缺陷，因此在所有其拍摄的照片上会出现一些像素的错误或损坏。凭借这些特征也能够判断出拍摄照片的手机。通过这种智能分析技术，Facebook后台又增加了一种“窥探”用户的能力——它能够从海量的照片中，分析出某一部手机或者用户所拍摄过的全部照片。这一分析结果能够带来Facebook平台上的多种用途，比如平台可以根据照片之间的某种联系，进行好友推荐、活动推荐。Facebook也能够借此识别出一些虚假账户等恶意行为。比如某一个新用户账号上发送的照片，根据上述专利技术识别，判断是来自其他账户的智能手机，Facebook可以判断可能出现了虚假多重账号注册行为。这种专利技术的另外一个用途，是可以帮助分析出某一张数码照片真正的拍摄者，确定版权持有人。

到GAN的指纹

因此就有人提出了，GAN有指纹吗？特殊的模型结构，是否会在GAN生成的图像中留下统一的概率分布，或者说模式。
**2019 IEEE Conference on Multimedia Information Processing and Retrieval (MIPR)的论文Do GANs Leave Artificial Fingerprints?**就讨论了这个问题

指纹提取

指纹提取的方式很简单。指纹表示为GAN的图像生成固有模式。这个模式是与图像无关的。

或者说GAN是一个画手，我们企图获取它的画风。

首先是提取图像的残差。$f(.)$是一个合适的去噪滤波器。通过公式：
$$R_i=$$