hplaksh687/forensiguard
GitHub: hplaksh687/forensiguard
ForensiGuard 是一款AI驱动的多媒体取证分析系统，用于检测CCTV录像和音频证据的篡改、深度伪造及元数据操纵，并自动生成专业取证报告。
Stars: 0 | Forks: 0
# 🛡️ ForensiGuard
### 语音与 CCTV 取证认证系统
## 🔍 什么是 ForensiGuard？
刑事调查越来越依赖 CCTV 录像和语音录音作为证据 —— 但这些文件可能被篡改、深度伪造（Deepfake）或编辑过。ForensiGuard 是一款自动化取证分析工具，利用多种检测技术验证多媒体证据的真实性，并生成专业的取证报告。
## ✨ 功能特性
| 功能 | 描述 |
|---|---|
| 🎵 **音频拼接检测** | 检测指示剪切和拼接编辑的频谱不连续性 |
| 🗑️ **音频删除检测** | 识别因内容删除而产生的可疑静音区域 |
| 🎤 **合成语音检测** | 利用音高和频谱分析检测 AI 克隆或 TTS 生成的语音 |
| 🖼️ **Deepfake 检测** | 基于在 FaceForensics++ 上微调的模型进行 ML 人脸分析 |
| 📊 **ELA 分析** | 误差等级分析检测以不同压缩级别保存的帧 |
| 🔄 **帧复制检测** | 检测指示视频操纵的循环或冻结帧 |
| 🗂️ **元数据取证** | 通过 ffprobe 检测 FPS 伪造、编解码器异常和编辑工具痕迹 |
| 🗜️ **重压缩分析** | 利用帧间方差模式识别重新编码的视频 |
| 🔐 **SHA-256 完整性哈希** | 证据文件的防篡改加密指纹 |
| 📋 **证据保管链日志** | 仅追加的审计跟踪，记录所有分析及其时间戳和案件 ID |
| 📄 **AI 取证报告** | LLM 生成的专业 forensic 调查报告（PDF 导出） |
| 📈 **真实性评分** | 加权的 0–100 分，附带各模块扣分明细 |
## 🚀 设置与安装
### 前置条件
- Python 3.10+
- ffprobe（通过 `brew install ffmpeg` 或 `apt install ffmpeg` 安装）
- Ollama（可选 — 用于 AI 报告生成）：https://ollama.ai
### 安装依赖
```
git clone https://github.com/hplaksh687/Forensiguard.git
cd Forensiguard
pip install -r requirements.txt
```
### 运行应用
```
streamlit run app.py
```
在浏览器中打开 `http://localhost:8501`
## 📁 项目结构
```
Forensiguard/
├── app.py # Main Streamlit application
├── requirements.txt
├── backend/
│ ├── audio_analysis.py # Audio splicing, insertion, deletion, synthetic voice
│ ├── deepfake_detection.py # ML deepfake face detection
│ ├── ela_analysis.py # Error Level Analysis on video frames
│ ├── frame_analysis.py # Frame duplication detection
│ ├── fingerprint.py # Video metadata fingerprinting
│ ├── metadata_analysis.py # ffprobe metadata forensics
│ ├── recompression_analysis.py # Recompression detection
│ ├── hash_analysis.py # SHA-256 evidence hash
│ ├── file_screening.py # MIME type & multi-extension detection
│ ├── auth_score.py # Authenticity scoring engine
│ ├── custody_log.py # Chain of custody logger
│ └── forensic_llm.py # AI report generation + PDF export
```
## 🧠 工作原理
1. **上传** 一个视频（MP4, AVI, MOV）或音频文件（WAV, MP3, M4A）
2. **ForensiGuard 运行** 8 个以上的取证分析模块（并行）
3. **结果聚合** 为加权的真实性评分（0–100）
4. **发布裁定** — AUTHENTIC（真实） / INCONCLUSIVE（不确定） / TAMPERED（被篡改）
5. **导出** PDF 取证报告和证据保管链日志
## 📊 评分系统
| 评分 | 裁定 | 含义 |
|---|---|---|
| 80–100 | ✅ AUTHENTIC | 无显著异常 |
| 50–79 | ⚠️ INCONCLUSIVE | 检测到异常，建议人工复核 |
| 0–49 | ❌ TAMPERED | 存在强烈的操纵迹象 |
## 🛠️ 技术栈
- **前端**: Streamlit + 自定义 CSS（暗色取证主题）
- **音频分析**: librosa, numpy
- **视频分析**: OpenCV, PIL
- **Deepfake 检测**: HuggingFace Transformers (`dima806/deepfake_vs_real_image_detection`)
- **元数据提取**: ffprobe (subprocess)
- **报告生成**: Ollama (llama3) 配合 ReportLab PDF
- **可视化**: Plotly（波形图、频谱图、评分图表）
## 在线演示
在此试用已部署的应用程序：
https://forensiguard.streamlit.app
## 👥 团队
为 **CyberThon 26** 构建 — 网络安全 Hackathon
问题陈述 14：语音与 CCTV 取证认证系统
团队名称 - Three Musketeers
团队成员 - Laksh H P, Rehan Riyaz 和 Shanaya Ray
标签：AI安全, AI风险缓解, Apex, CCTV监控, Chat Copilot, Deepfake, DNS 解析, ELA, FPS欺骗检测, Kubernetes, Python, SHA-256, Streamlit, 人工智能, 元数据分析, 刑事侦查技术, 反诈骗, 司法鉴定, 合成语音检测, 图像取证, 多媒体取证, 多媒体安全, 完整性校验, 帧复制检测, 数字取证, 数字水印, 无后门, 机器学习, 深度伪造检测, 用户模式Hook绕过, 监管链, 编解码器分析, 网络安全, 自动化脚本, 自动报告生成, 视频篡改检测, 视频编辑痕迹, 访问控制, 证据保全, 语音合成检测, 逆向工具, 错误等级分析, 隐私保护, 音频剪辑检测, 音频取证