Las imágenes digitales se han convertido en un portador importante para que las personas accedan a la información en la era de la información. Sin embargo, con el desarrollo de esta tecnología, las imágenes digitales se han vuelto vulnerables al acceso ilegal y a la manipulación, hasta el punto de representar una seria amenaza para la privacidad personal, el orden social y la seguridad nacional. Por lo tanto, las técnicas forenses de imagen se han convertido en un tema de investigación importante en el campo de la seguridad de la información multimedia. En los últimos años, la tecnología de aprendizaje profundo se ha aplicado ampliamente en el campo de la forense de imágenes y el rendimiento alcanzado ha superado significativamente a los algoritmos forenses convencionales. Este estudio compara las técnicas forenses de imagen de última generación basadas en aprendizaje profundo en los últimos años. Las técnicas forenses de imagen se dividen en forense pasiva y activa. En la forense pasiva, se revisan las técnicas de detección de falsificaciones, y se presentan el marco básico, las métricas de evaluación y los conjuntos de datos comúnmente utilizados para la detección de falsificaciones. El rendimiento, ventajas y desventajas de los métodos existentes también se comparan y analizan de acuerdo con los diferentes tipos de detección. En la forense activa, se ofrece una visión general de las técnicas robustas de marca de agua de imagen, y se presentan las métricas de evaluación y el marco básico de las técnicas de marca de agua robustas. Las características técnicas y el rendimiento de los métodos existentes se analizan en función de los diferentes tipos de ataques a las imágenes. Finalmente, se presentan las direcciones de investigación futuras y conclusiones para proporcionar sugerencias útiles para las personas en forense de imágenes y campos de investigación relacionados.