tecniche di image forsensic per l’identificazione della sorgente
DESCRIPTION
Tecniche di image forsensic per l’identificazione della sorgente - Andrea Guidieri, Francesco Mei - AA 2009-2010 Relatori: Prof. Alessandro Piva, Dr. Roberto Caldelli, Dr. Alessia De Rosa, Dr. Francesca UcchedduTRANSCRIPT
![Page 1: Tecniche di image forsensic per l’identificazione della sorgente](https://reader036.vdocuments.pub/reader036/viewer/2022081801/54c8e8624a795951388b460d/html5/thumbnails/1.jpg)
UNIVERSITÀ
DEGLI STUDI DI FIRENZE
Facoltà
di Ingegneria
Corso di Laurea inINGEGNERIA INFORMATICA
IdentificazioneIdentificazione
deldel
dispositivodispositivo
sorgentesorgentemediantemediante
tecnichetecniche
didi
ImageImage
ForensicsForensics
Tesi di Laurea di
ANDREA GUIDIERIe
FRANCESCO MEI
Relatori:Prof. Alessandro Piva
Ing. Alessia De Rosa
Ing. Roberto Caldelli
Ing. Francesca Uccheddu
Anno Accademico 2009/2010
![Page 2: Tecniche di image forsensic per l’identificazione della sorgente](https://reader036.vdocuments.pub/reader036/viewer/2022081801/54c8e8624a795951388b460d/html5/thumbnails/2.jpg)
SommarioSommario
• Digital Forensic• Identificazione sorgente di acquisizione• Estrazione caratteristiche
• Classificazione dispositivo sorgente • Risultati sperimentali• Conclusioni
o Color Filter Arrayo Rumore
![Page 3: Tecniche di image forsensic per l’identificazione della sorgente](https://reader036.vdocuments.pub/reader036/viewer/2022081801/54c8e8624a795951388b460d/html5/thumbnails/3.jpg)
Digital ForensicsDigital ForensicsComputer Forensics: Disciplina che si occupa di Identificare Conservare Analizzare Documentare
reperti informatici
al fine di presentare prove digitali valide in procedure civili e penali.
Multimedia Forensics:Branca della Computer Forensics che
focalizza lo studio su contenuti multimediali
per verificarne validità
e affidabilità
in ambito legale.
![Page 4: Tecniche di image forsensic per l’identificazione della sorgente](https://reader036.vdocuments.pub/reader036/viewer/2022081801/54c8e8624a795951388b460d/html5/thumbnails/4.jpg)
Image ForensicsImage Forensics
Riconoscimento del dispositivo sorgente
![Page 5: Tecniche di image forsensic per l’identificazione della sorgente](https://reader036.vdocuments.pub/reader036/viewer/2022081801/54c8e8624a795951388b460d/html5/thumbnails/5.jpg)
Obiettivo della tesiObiettivo della tesi
Analisi interpolazione CFA Analisi Rumore
Classificatore
![Page 6: Tecniche di image forsensic per l’identificazione della sorgente](https://reader036.vdocuments.pub/reader036/viewer/2022081801/54c8e8624a795951388b460d/html5/thumbnails/6.jpg)
Obiettivo della tesiObiettivo della tesi
![Page 7: Tecniche di image forsensic per l’identificazione della sorgente](https://reader036.vdocuments.pub/reader036/viewer/2022081801/54c8e8624a795951388b460d/html5/thumbnails/7.jpg)
Color Filter ArrayColor Filter Array
Schema a blocchi del funzionamento di una fotocamera digitale
![Page 8: Tecniche di image forsensic per l’identificazione della sorgente](https://reader036.vdocuments.pub/reader036/viewer/2022081801/54c8e8624a795951388b460d/html5/thumbnails/8.jpg)
Estrazione caratteristiche CFAEstrazione caratteristiche CFA
ObiettivoObiettivo: Determinazione dei coefficienti di interpolazione delle tre bande di colore.
IpotesiIpotesi: Utilizzo del pattern Bayer e sue permutazioni
Uso di un algoritmo di interpolazione tra• Bilineare• Bicubico• Mediano
• Smooth Hue• Gradient Based• Adaptive Color Plane
![Page 9: Tecniche di image forsensic per l’identificazione della sorgente](https://reader036.vdocuments.pub/reader036/viewer/2022081801/54c8e8624a795951388b460d/html5/thumbnails/9.jpg)
Estrazione caratteristiche CFAEstrazione caratteristiche CFA
Determinazione zone ad alto gradiente orizzontale, verticale e zona “liscia”
Gradiente orizzontaleGradiente verticale Zona liscia
![Page 10: Tecniche di image forsensic per l’identificazione della sorgente](https://reader036.vdocuments.pub/reader036/viewer/2022081801/54c8e8624a795951388b460d/html5/thumbnails/10.jpg)
Estrazione features CFAEstrazione features CFA
Risoluzione sistema lineare, per ogni zona e ogni banda di colore.
![Page 11: Tecniche di image forsensic per l’identificazione della sorgente](https://reader036.vdocuments.pub/reader036/viewer/2022081801/54c8e8624a795951388b460d/html5/thumbnails/11.jpg)
Estrazione caratteristiche CFAEstrazione caratteristiche CFA
![Page 12: Tecniche di image forsensic per l’identificazione della sorgente](https://reader036.vdocuments.pub/reader036/viewer/2022081801/54c8e8624a795951388b460d/html5/thumbnails/12.jpg)
Rumore nei dispositivi digitaliRumore nei dispositivi digitali
Il rumore è
un segnale non desiderato di origine naturale o artificiale che si sovrappone all’informazione trasmessa o elaborata in un sistema.
In fotografia l’effetto è
visibile come una variazione del colore dei pixel che determina un calo di qualità
dell’immagine.
![Page 13: Tecniche di image forsensic per l’identificazione della sorgente](https://reader036.vdocuments.pub/reader036/viewer/2022081801/54c8e8624a795951388b460d/html5/thumbnails/13.jpg)
Estrazione caratteristiche del rumore Estrazione caratteristiche del rumore ––
Denoising Denoising ––
Calcolo media e deviazione standard del Rumore
2 valori ×
5 filtri ×
3 bande RGB = 30 caratteristiche
Immagine originale Immagine “denoised” Rumore
Filtri utilizzati:o Lineare a media 3x3o Lineare gaussiano 3x3
o Mediana 3x3o Adattivo di Wiener 3x3 e 5x5
![Page 14: Tecniche di image forsensic per l’identificazione della sorgente](https://reader036.vdocuments.pub/reader036/viewer/2022081801/54c8e8624a795951388b460d/html5/thumbnails/14.jpg)
Estrazione caratteristiche del rumoreEstrazione caratteristiche del rumore ––
Analisi Wavelet Analisi Wavelet ––
First-Order Discrete WaveletDecomposition
• Calcolo deviazione standard HL, LH e HH
![Page 15: Tecniche di image forsensic per l’identificazione della sorgente](https://reader036.vdocuments.pub/reader036/viewer/2022081801/54c8e8624a795951388b460d/html5/thumbnails/15.jpg)
Estrazione caratteristiche del rumoreEstrazione caratteristiche del rumore ––
Analisi Wavelet Analisi Wavelet ––
• Confronto tra distribuzione gaussiana N(μ,
σ²), la cui media e varianza sono derivate dalla sottobanda, e la distribuzione dei coefficienti della sottobanda stessa.
2 valori × 3 sottobande × 3 bande RGB = 18 caratteristiche
![Page 16: Tecniche di image forsensic per l’identificazione della sorgente](https://reader036.vdocuments.pub/reader036/viewer/2022081801/54c8e8624a795951388b460d/html5/thumbnails/16.jpg)
Estrazione caratteristiche del rumore Estrazione caratteristiche del rumore ––
Neighborhood prediction Neighborhood prediction ––
Ipotesi: Ottima predizione pixel nelle zone “lisce”
dell’immagine
Localizzazione zone mediante gradiente e sogliatura
Ulteriore suddivisione in zone lisce chiare e scure
![Page 17: Tecniche di image forsensic per l’identificazione della sorgente](https://reader036.vdocuments.pub/reader036/viewer/2022081801/54c8e8624a795951388b460d/html5/thumbnails/17.jpg)
Estrazione caratteristiche del rumore Estrazione caratteristiche del rumore ––
Neighborhood prediction Neighborhood prediction ––
Ricostruzione zone lisce mediante interpolazione lineare
![Page 18: Tecniche di image forsensic per l’identificazione della sorgente](https://reader036.vdocuments.pub/reader036/viewer/2022081801/54c8e8624a795951388b460d/html5/thumbnails/18.jpg)
Estrazione caratteristiche del rumore Estrazione caratteristiche del rumore ––
Neighborhood prediction Neighborhood prediction ––
Confronto tra valori b’
predetti e originali b.
Calcolo media e deviazione standard di Δb=|b’
–
b|
2 valori × 2 zone lisce × 3 bande RGB = 12 caratteristiche
![Page 19: Tecniche di image forsensic per l’identificazione della sorgente](https://reader036.vdocuments.pub/reader036/viewer/2022081801/54c8e8624a795951388b460d/html5/thumbnails/19.jpg)
Classificatore SVMLibClassificatore SVMLib
Organizzazione caratteristiche in vettori
Divisione in set per addestramento e testing del classificatore
Training set
Testing set
![Page 20: Tecniche di image forsensic per l’identificazione della sorgente](https://reader036.vdocuments.pub/reader036/viewer/2022081801/54c8e8624a795951388b460d/html5/thumbnails/20.jpg)
Classificazione e Classificazione e risultati sperimentalirisultati sperimentali
Dispositivi usati per i test:
![Page 21: Tecniche di image forsensic per l’identificazione della sorgente](https://reader036.vdocuments.pub/reader036/viewer/2022081801/54c8e8624a795951388b460d/html5/thumbnails/21.jpg)
Classificazione e Classificazione e risultati sperimentalirisultati sperimentali
Database immagini:
100 immagini dai 3 modelli, 1/3 per modello
100 immagini dai 3 modelli, 1/3 per modello
100 immagini dai 3 modelli, 1/3 per modello
• Modalità
testing:
Generazione casuale di training set e testing set Leave-one-out: 99% training set, 1% testing set 80-20: 80% training set, 20% testing set
![Page 22: Tecniche di image forsensic per l’identificazione della sorgente](https://reader036.vdocuments.pub/reader036/viewer/2022081801/54c8e8624a795951388b460d/html5/thumbnails/22.jpg)
Riconoscimento della sorgenteRiconoscimento della sorgente
Determinazione della tipologia di dispositivo.
100 prove
80 –
20
Leave-one-out
![Page 23: Tecniche di image forsensic per l’identificazione della sorgente](https://reader036.vdocuments.pub/reader036/viewer/2022081801/54c8e8624a795951388b460d/html5/thumbnails/23.jpg)
Riconoscimento della sorgenteRiconoscimento della sorgente
Determinazione della tipologia di dispositivo con variazione della finestra di analisi,da 512 x 512 a 256 x 256. 100 prove
80 –
20
Leave-one-out
![Page 24: Tecniche di image forsensic per l’identificazione della sorgente](https://reader036.vdocuments.pub/reader036/viewer/2022081801/54c8e8624a795951388b460d/html5/thumbnails/24.jpg)
Riconoscimento della sorgenteRiconoscimento della sorgente
Determinazione della tipologia di dispositivo con variazione a 0.3 MP delle foto da cellulare. 100 prove
80 –
20
Leave-one-out
![Page 25: Tecniche di image forsensic per l’identificazione della sorgente](https://reader036.vdocuments.pub/reader036/viewer/2022081801/54c8e8624a795951388b460d/html5/thumbnails/25.jpg)
ConclusioniConclusioni
Utilizzo di coefficienti di interpolazione e caratteristiche del rumore per discriminare le tipologie di dispositivo sorgente
Varietà
di prove effettuate in condizioni diverse
Sviluppi futuriIdentificazione di immagini esterne al databaseRobustezza del sistema a diverse compressioni JPEG