{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期部分”：[[2023,5,6]]，“日期时间”：“2023-05-06T04:31:02Z”，“时间戳”：1683347462758}，“出版商位置”：“新加坡”，“参考计数”：15，“出版者”：“Springer Nature Singapore”，“isbn-type”：[{“值”：“9789811978661”，“类型”：”打印“}，{“值”：“9789811978678”，“type”：“electronic”}]，“license”：[{“start”：{“date-parts”：[[2023,1,1]]，“date-time”：“2023-01-01T00:00:00Z”，“timestamp”：1672531200000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.springernature.com\/gp\/researters\/text-and-data-mining”}，{“开始”：{“date-ports”：[2023,1,1]，“日期-时间”：“2023-01-01T00:00:00Z”，“时间戳”：1672531200000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https://www.springernature.com//gp\/researters\/text-and-data-mining”}]，“content-domain”：{“domain”:[“link.springer.com”]，“crossmark-restriction”：false}，”short-container-title“：[]，”published-print“：{”date-parts“：[2023]]}”，“DOI”：“10.1007\/978-98 1-19-7867-8_37“，”类型“：”书壳“，“created”：{“date-parts”：[[2023,5,5]]，“date-time”：“2023-05-05T12:02:18Z”，“timestamp”：1683288138000}，“page”：“465-473”，“update-policy”：”http:\\/dx.doi.org\/10.1007\/springer_crossmark_policy“，”source“：”Crossref“，“is-referenced-by-count”：0，“title”：[“Local DCT-Based Deep Learning Architecture for Image for Forgery Detection”]，“prefix”：“10.1007”“，”作者“：[{“ORCID”：“http://\/ORCID.org\/00000-0003-4379-2960”，“authenticated-ORCID”：false，“given”：”B.H.“，”family“：”Shekar“，”sequence“：”first“，”affiliation“：[]}，{“ORCID”:“http://\-ORCID.org\/00000-003-2420-1731”，“authenticated-ORCID“：false”，“gived”：“Wincy”，“family”：”Abraham“，“sequence”：“additional”，“affiliance”：[]{“ORCID”（ORCID）：“http://\/orcid.org\/00000-0001-5257-5322”，“authenticated-orcid”：false，“given”：“Bharathi”，“family”：“Pilar”，“sequence”：“additional”，“affiliation”：[]}]，“member”：“297”，“published-online”：{“date-parts”：[2023,5,6]]}，“reference”：[{“key”：”37_CR1“，”doi-asserted-by“：”crossref“，“unstructured”：“Gani，G.，Qadir，F.：一种基于离散余弦变换和细胞自动机的稳健复制-移动伪造检测技术。J.Inf.Secur.Appl.（2020）。[Elsevier]”，“DOI”：“10.1016\/J.jisa.2020.102510”}，{“key”：“37_CR2”，“DOI-asserted-by”：“crossref”，“unstructured”：“Cao，Y.，Gao，T.，Fan，L.，Yang，Q.：数字图像中复制-移动伪造的鲁棒检测算法。法医学国际（2012）。[Elsevier]”，“DOI”：“10.1016\/j.forscinint.2011.07.015”}，{“key”：“37_CR3”，“DOI-asserted-by”：“crossref”，“unstructured”：“He，Z.，Lu，W.，Sun，W.、Huang，J.：基于DCT和DWT域Markov特征的数字图像拼接检测。模式识别（2012）。[Elsevier]”，“DOI”：“10.1016\/J.patcog.2012.05.014”}，{“key”：“37_CR4”，“DOI-asserted-by”：“crossref”，“unstructured”：“Li，C.，Ma，Q.，Xiao，L.，Li，M.，Zhang，A.：基于QDCT域Markov特征的图像拼接检测。神经计算（2017）。[Elsevier]”，“DOI”：“10.1016\/j.neucom.2016.04.068”}，{“key”：“37_CR5”，“DOI-asserted-by”：“crossref”，“unstructured”：“Dong，J.，Wang，W.，Tan，T.：赌场图像篡改检测评估数据库。摘自：2013 IEEE中国峰会暨信号和信息处理国际会议，IEEE（2013）”，“DOI”：“10.1109\/ChinaSIP.2013.6625374”}，{“key”：“37_CR6”，“DOI-asserted-by”：“crossref”，“unstructured”：“Muhammad，G.，Al-Hammadi，M.H.，Hussain，M.，Bebis，G.：使用可控金字塔变换和局部二进制模式进行图像伪造检测。Mach.Vis.Appl.（2014）。[Springer]”，“DOI”：“10.1109\/EUROCON.2013.6625188”}，{“key”：“37_CR7”，“unstructured”：“Amani，A.、Hussain，M.、Hatim，A.、Muhammad，G.、Bebis，G.和Mathkour，H.：使用DCT和本地二进制模式被动检测图像伪造。信号图像视频处理。（2017）。[Springer]”}，{“key”：“37_CR8”，“doi-asserted-by”：“crossref”，“unstructured”：“Vidyadharan，D.S.，Thampi，S.M.：使用紧凑的多纹理表示进行数字图像伪造检测。J.Intell.Fuzzy Syst.（2017）。[IOS Press]”，“DOI”：“10.3233\/JIFS-169261”}，{“key”：“37_CR9”，“DOI-asserted-by”：“crossref”，“unstructured”：“Prakash，C.S.，Kumar，A.，Maheshkar，S.，Maheskar，V.：一种用于图像伪造检测的复制移动和拼接的集成方法。多媒体工具应用程序（2018）。[Springer]”，“DOI”：“10.1007\/s11042-018-5899-3”}，{“key”：“37_CR10”，“DOI-asserted-by”：“crossref”，“unstructured”：“Saleh，S.Q.，Hussain，M.，Muhammad，G.，Bebis，G.：使用多尺度weber局部描述符评估图像伪造检测。In:视觉计算国际研讨会，Springer（2013）”，“DOI”：“10.1109\/EUROCON.2013.6625186”}，{“key”：“37_CR11”，“DOI-asserted-by”：“crossref”，“unstructured”：“Dua，S.，Singh，J.，Harish，P.：基于块DCT系数统计特征的图像伪造检测。Procedia Compute.Sci.（2020）。[Elsevier]”，“DOI”：“10.1016\/J.procs.2020.04.038”}，{“key”：“37_CR12”，“DOI-asserted-by”：“publisher”，“DOI”：，“年份”：“2019年”，“非结构化”：“Kuznetsov，A.：使用深度学习方法检测数字图像伪造。J.Phys.Conf.Ser.1368，032028（2019）”，“日志标题”：“J.Phys.Conf.Ser.”}，{“key”：“37_CR13”，“doi-asserted-by”：“crossref”，“非结构性”：“Ali，S.S.，Ganapathi，I.I.，Vu，N.-S.，Ali，SD.，Saxena，N.，Werghi，N.：通过重新压缩图像进行深度学习的图像伪造检测。电子学（2022）”，“DOI”：“10.3390\/electronics11030403”}，{“key”：“37_CR14”，“volume-title”：“使用错误级别分析和深度学习进行图像伪造检测”，“author”：“IBK Sudiatmika”，“year”：“2018”，“非结构化”：“Sudiatmika，I.B.K.，Rahman，F.，Trisno，T.：使用错误级分析和深度学习的图像伪造检测。TELKOMNIKA Telecommun.Comput.Electron，Control（2018）”}，｛“key”：“37_CR15”，“doi asserted by”：“crossref”，“非结构化”：“Rao，Y.，Ni，J.，Xiea，H.：基于多语义CRF的图像伪造检测和定位注意力模型。信号处理。（2021）。[Elsevier]”，“DOI”：“10.1016\/J.sigpro.2021.108051”}]，“容器-时间”：[“计算机视觉和机器智能”，“网络和系统中的讲义”]，“原始标题”：[]，“链接”：[{“URL”：“https:\/\/link.springer.com/content\/pdf\/10.1007\/978-981-19-7867-8_37”，“内容类型”：“未指定”，“content-version”：“vor”，“intended-application”：“相似性检查”}]，“存放”：{“date-parts”：[[2023,5,5]]，“日期时间”：“2023-05-05T12:08:33Z”，“时间戳”：1683288513000}，“分数”：1，“资源”：{-“主要”：{“URL”：“https://link.springer.com\/10.1007\/978-981-19-7867-8_37”｝｝，“副标题”：[]，“短标题”：[]，“已发布”：{“日期部分”：[[2023]}，“国际标准图书号”：[“9789811978661”，“9789811978678”]，“引用次数”：15，“URL”：“http:\/\/dx.doi.org/10.1007\/978-981-19-7867-8_37”，“关系”：{}，“国际标准图书号”：[“2367-3370”，”2367-3389“]，”ISSN类型“：[｛”value“：”2367-3370“，”type“：”print“｝，{“值”：“2367-3389”，“类型”：“电子”}]，“主题”：[]，“发布”：{“日期部分”：[[2023]]}，“断言”：[{“数值”：“2023年5月6日”，“顺序”：1，“名称”：“first_online”，“标签”：“首次联机”，“组”：{-“名称”:“章节历史”，“标记”：“章节历史“}}]}