Krótka odpowiedź
Tak, możliwe jest dopasowanie zdjęcia do dyskretnego aparatu, którym zostało zrobione (bez metadanych) i jest też całkiem wiarygodne. Technika ta jest łatwo dostępna w kilku produktach oprogramowania, jednym z nich jest Amped Authenticate, wyprodukowane przez Amped Software (zrzeczenie się: jestem prezesem i założycielem firmy).
Podstawowa idea
Podstawowa idea jest taka, że każde urządzenie pozostawia inny „szumowy odcisk palca” na każdym wytworzonym zdjęciu. Ten komponent nosi nazwę PRNU (niejednorodność reakcji na zdjęcie) i był szeroko badany w literaturze. Wykazano, że jest:
- stała w czasie
- stała niezależnie od temperatury, niezależna od innych ustawień aparatu (ekspozycja, ostrość itp.)
- dość odporna na rekompresję (około jakości JPEG 5-60%)
- dość odporna na regulacje intensywności i kolorów (kontrast, jasność…)
- dość odporna na lokalne modyfikacje (np. część obrazu została zmodyfikowana, - cały obraz jest nadal rozpoznawany jako pochodzący z określonej kamery)
Jednak nie działa to poprawnie w następujących sytuacjach:
- jeśli obraz został przycięty lub ma zoom cyfrowy, ponieważ zajmowałby tylko część czujnika, a nie cały jego obszar (można to rozwiązać, ale wtedy zmiana rozmiaru nie byłaby solidna)
- dla bardzo silnych ulepszeń
- dla bardzo ciemnych lub bardzo jasnych obrazów, ponieważ szum nie występuje w tych obszarach)
Jak to działa
Aby wyodrębnić PRNU obrazu, musisz w zasadzie wyodrębnić określony składnik t hałasu. Możesz to zrobić odszumując obraz i odejmując od niego oryginalny obraz. W literaturze zaleca się stosowanie filtrów Wavelet, ale nawet z prostszymi i szybszymi filtrami można uzyskać podobne wyniki.
Praktycznie procedura wygląda następująco:
-
Musisz utworzyć wzorzec odniesienia kamery (CRP) : polega to na wyodrębnieniu PRNU z niektórych obrazów urządzenia testowego. Aby uzyskać najlepsze wyniki, zaleca się użycie około 30–50 zdjęć z możliwie najmniejszą liczbą szczegółów i niezbyt ciemnych ani zbyt białych, aby uzyskać średnią piksel po pikselu. Nazwijmy te obrazami referencyjnymi . Jeśli masz aparat, możesz robić nieostre zdjęcia ściany lub nieba. Jeśli nie masz aparatu, możesz robić ogólne zdjęcia, ale prawdopodobnie będziesz potrzebować ich więcej, aby odfiltrować szczegóły za pomocą uśredniania.
-
Następnie możesz wyodrębnić PRNU z analizowanego obrazu i oblicz korelację z CRP . Im wyższa korelacja, tym większe prawdopodobieństwo, że zdjęcie pochodzi z tej samej kamery.
-
Możesz automatycznie klasyfikować zdjęcia, obliczając próg dla korelacja: zdjęcia z korelacją wyższą niż próg będą miały duże prawdopodobieństwo, że pochodzą z kamery, w przeciwnym razie prawdopodobnie pochodzą z innego urządzenia.
Próg można uzyskać obliczenie korelacji dla:
- zdjęć pochodzących z tego samego urządzenia (pozytyw)
- zdjęć pochodzących z innego modelu aparatu (negatyw)
- zdjęć pochodzących z inny przykład tego samego modelu aparatu (negatyw)
Ogólnie jest prawdopodobne, że zestawy dodatnie i ujemne nie będzie idealnie oddzielony, więc musisz ustawić pożądaną równowagę między fałszywymi dodatnimi a fałszywymi negatywami, którą chcesz uzyskać w zależności od przypadku.
Okazało się, że przy odpowiednim zastosowaniu metoda jest bardzo wiarygodna, chociaż wykazano, że można znaleźć dwa egzemplarze tego samego modelu z bardzo podobnymi PRNU. Może się tak zdarzyć na przykład, jeśli czujnik obu urządzeń został wykonany z tej samej płytki krzemowej. Jest to odległa możliwość, ale wciąż możliwa.
Jako przykład, poniższy obraz przedstawia PRNU wyodrębniony z obrazu bez żadnej znaczącej zawartości (nieostry obraz ściany).
Manipulowanie
Korelację PRNU można również zastosować lokalnie w celu wykrycia manipulacji na obrazach. Chodzi o to, aby obliczyć PRNU w przesuwanym oknie n x n pikseli na obrazie, aby utworzyć mapę korelacji. Obszary o niskiej korelacji będą miały duże prawdopodobieństwo, że zostały poddane manipulacji.
Poniższy obraz przedstawia przykład analizowanego obrazu.
Poniżej znajduje się wynik korelacji blokowej CRP z PRNU wyodrębnionym z obrazu. Biały obszar reprezentuje obszary, które są najbardziej narażone na manipulacje, a hałas jest niespójny. Na środku biurka widać wyraźny znak manipulacji.
W rzeczywistości jest to oryginalne zdjęcie, z którego broń została usunięta.
Odniesienia
Istnieje niezliczona liczba artykułów analizujących PRNU z różnych punktów widzenia, ale te są prawdopodobnie najważniejsze:
- J. Lukas, J. Fridrich and M. Goljan, „Digital Camera Identification from Sensor Noise”, IEEE Transactions on Information Security and Forensics, s. 205–214, 2006.
- Mo Chen, J. Fridrich i M. Goljan, „Identyfikacja cyfrowego czujnika obrazu (dalsze badanie)”, Proceedings. of SPIE Electronic Imaging, Security, Steganography and Watermarking of Multimedia Contents, str. 0P-0Q, 2007.
Technologia rozróżniania obrazów pochodzących z różnych aparatów, nawet jeśli są one tej samej marki i modelu, istnieje i jest dość ugruntowana w społeczności akademickiej i kryminalistycznej. Na rynku dostępnych jest kilka programów, które pozwalają zrobić to ze względną łatwością, a także ocenić autentyczność obrazu za pomocą podobnego procesu.