포렌식 카메라 분석에 완벽한 센서 결함

포렌식 카메라 분석에 완벽한 센서 결함
컴퓨터 과학자들은 디지털 미디어를 제작자와 연결하는 새로운 도구를 개발했습니다.
날짜:
2022년 6월 21일
원천:
흐로닝언 대학교
요약:
아동 착취 퇴치를 위한 지능형 도구 개발을 목표로 하는 프로젝트에서 컴퓨터 과학자들은 개별 카메라에서 생성되는 소음을 분석하는 시스템을 개발했습니다. 이 정보는 비디오나 이미지를 특정 카메라에 연결하는 데 사용할 수 있습니다.

아동 착취 퇴치를 위한 지능형 도구 개발을 목표로 하는 프로젝트에서 Groningen 대학의 컴퓨터 과학자들은 개별 카메라에서 생성되는 소음을 분석하는 시스템을 개발했습니다. 이 정보는 비디오나 이미지를 특정 카메라에 연결하는 데 사용할 수 있습니다. 결과는 2022년 6월 4일 SN Computer Science 저널 과 2022 년 6월 10일 Expert Systems with Applications 에 게재되었습니다.

네덜란드는 2019년 Internet Watch Foundation에서 보고한 바와 같이 아동 성적 학대를 보여주는 디지털 콘텐츠의 주요 배포자입니다. 이러한 유형의 학대에 맞서기 위해서는 디지털 콘텐츠를 분석하여 의심스러운 아동이 포함된 이미지 또는 비디오를 식별하는 포렌식 도구가 필요합니다. 남용 콘텐츠. 아직 개발되지 않은 또 다른 정보 소스는 이미지나 비디오 프레임의 노이즈입니다. EU 프로젝트의 일환으로 University of Groningen 컴퓨터 과학자들은 University of León(스페인)의 동료들과 함께 카메라의 '지문'을 드러내는 이미지 또는 비디오에서 노이즈를 추출하고 분류하는 방법을 찾았습니다. 그것으로 만들어졌습니다.

총알

흐로닝언 대학(University of Groningen)의 베르누이 수학, 컴퓨터 과학 및 인공 지능 연구소 정보 시스템 연구 그룹의 조교수인 조지 아조파르디(George Azzopardi)는 '발사된 총알의 특정 홈과 비교할 수 있습니다'라고 말했습니다. 각 총기는 총알에 특정 패턴을 생성하므로 법의학 전문가는 범죄 현장에서 발견된 총알을 특정 총기와 일치시키거나 다른 범죄 현장에서 발견된 두 개의 총알을 동일한 무기에 연결할 수 있습니다.

Azzopardi는 '모든 카메라에는 내장된 센서에 약간의 결함이 있습니다. 이는 모든 프레임에서 이미지 노이즈로 나타나지만 육안으로는 보이지 않습니다.'라고 Azzopardi는 설명합니다. 이것은 카메라 특유의 노이즈를 생성합니다. Groningen과 University of León의 박사 과정 학생인 Guru Bennabhaktula는 이 소음을 추출하고 분석하는 시스템을 개발했습니다. '이미지 인식에서 분류기는 장면을 식별하기 위해 이미지에 있는 물체의 모양과 질감에 대한 정보를 추출하는 데 사용됩니다'라고 Bennabhaktula는 말합니다. '우리는 이러한 분류기를 사용하여 카메라 고유의 노이즈를 추출했습니다.'

법 집행

그는 공개적으로 사용 가능한 VISION 데이터 세트에서 가져온 28개의 다른 카메라로 촬영한 비디오 프레임에서 카메라 노이즈를 추출하는 계산 모델을 만들고 이를 사용하여 컨볼루션 신경망을 훈련했습니다. 그 후 그는 훈련된 시스템이 동일한 카메라로 만든 프레임을 인식할 수 있는지 테스트했습니다. Bennabhaktula는 '72% 정확도로 이 작업을 수행할 수 있음이 밝혀졌습니다. 그는 또한 노이즈가 카메라 브랜드, 특정 유형 및 개별 카메라에 고유할 수 있다고 언급합니다. 또 다른 일련의 실험에서 그는 공개적으로 사용 가능한 드레스덴 데이터 세트의 이미지를 사용하여 18개의 카메라 모델을 분류하는 데 99%의 정확도를 달성했습니다.

그의 작업은 과학자와 법 집행 기관이 협력하여 아동 착취 퇴치를 돕는 지능형 도구를 개발한 EU 프로젝트인 4NSEEK의 일부였습니다. Azzopardi: '각 그룹은 특정 포렌식 도구 개발을 담당했습니다.' Bennabhaktula가 만든 모델은 그러한 실용적인 용도를 가질 수 있습니다. '경찰이 아동학대 용의자의 카메라를 발견하면 저장 장치에서 찾은 이미지나 동영상에 연결할 수 있습니다.'

도전

모델은 확장 가능하다고 Bennabhaktula는 덧붙입니다. '동영상에서 임의의 프레임 5개만 사용하면 초당 5개의 동영상을 분류할 수 있습니다. 모델에 사용된 분류기는 다른 컴퓨터 비전 응용 프로그램에 대해 10,000개 이상의 서로 다른 클래스를 구별하기 위해 다른 사람들이 사용했습니다.' 이것은 분류기가 수만 대의 카메라에서 나오는 노이즈를 비교할 수 있음을 의미합니다. 4NSEEK 프로젝트는 이제 종료되었지만 Azzopardi는 여전히 이 연구 라인을 계속하기 위해 법의학 전문가 및 법 집행 기관과 연락하고 있습니다. '또한 우리는 서로 다른 문제가 있는 한 쌍의 이미지 간의 소스 유사성을 식별하기 위해 노력하고 있습니다. 그것이 이 주제에 대한 우리의 다음 논문을 구성할 것입니다.'