在大数据时代,信息量呈现爆炸式增长。随着成像设备的推广普及使用,数字图像作为一种情报来源,在公安情报工作中的重要性日益凸显。与此同时,数字图像处理与编辑技术也得到了飞速发展,这给图像情报的原始性和真实性带来了巨大的影响。在此背景下,数字图像取证技术已成为信息安全和情报学领域的研究热点。在数字图像成像的过程中,由于成像设备内部传感器硅芯片的光响应非均质性,会在数字图像上留下特定的噪声,即光响应非均质性噪声。对于每一个相机来说,其光响应非均质性噪声都是独一无二且稳定的,因而也被称为成像设备指纹。目前成像设备指纹提取多是采用传统的数字图像去噪算法,提取质量难以得到进一步提升。对成像设备指纹的研究也多集中于图像取证领域,在公安情报领域尚未得到应用化设计与实战化推广。为了能够提升成像设备指纹的提取质量,本文提出了一种基于对偶生成对抗网络的成像设备指纹提取模型。该模型由噪声生成网络、图像去噪网络以及判别器网络组成。噪声生成网络能够生成成对的训练数据集,解决了图像去噪网络训练数据不足的问题,进一步提升了图像去噪网络的去噪效果。判别器网络通过对由噪声图像与无噪声图像组成的成对数据之间的联合分布关系进行判别,引导图像去噪网络和噪声生成网络的训练。为了验证基于对偶生成对抗网络的成像设备指纹提取算法的实际效果,本文将这一算法应用于手机拍摄图像的溯源分析任务中。实验结果显示,本文提出的模型在大型公开图像数据测试集上的溯源分析准确率,在多种尺寸的数字图像上均优于同类其他模型。为了能够挖掘成像设备指纹的公安情报价值,在采用对偶生成对抗网络提取出图像情报的成像设备指纹后,本文对其在公安情报工作中的应用进行了设计。首先,通过对成像设备指纹进行分析,能够评估图像情报的真实性,本文从图像情报真伪、篡改与溯源这三个角度,设计了一套基于成像设备指纹的图像情报真实性评估模型,并结合具体的案例进行了应用设计。其次设计了一系列基于成像设备指纹的图像情报挖掘技术,并结合具体的案例,探讨了上述技术在侦破网络色情犯罪中的实际应用路径。最后分析了上述技术在公安情报工作中的应用困境并提出了推动技术落地应用的若干建议。