La breve risposta
Sì, è possibile abbinare una foto alla fotocamera discreta con cui è stata scattata (senza metadati) ed è anche abbastanza affidabile. La tecnica è prontamente disponibile in alcuni prodotti software, uno di questi è Amped Authenticate , prodotto da Amped Software (dichiarazione di non responsabilità: sono il CEO e il fondatore dell'azienda).
L'idea di base
L'idea di base è che ogni singolo dispositivo lascia un'impronta digitale di rumore diversa su ogni foto prodotta. Questo componente è chiamato PRNU (Photo Response Non Uniformity) ed è stato ampiamente studiato in letteratura. È stato dimostrato che è:
- costante nel tempo
- costante al di sopra della temperatura, indipendente da altre impostazioni della fotocamera (esposizione, messa a fuoco, ecc ...)
- abbastanza robusto per la ricompressione (con una qualità JPEG intorno al 5-60%)
- abbastanza robusto per regolazioni di intensità e colore (contrasto, luminosità ...)
- abbastanza robusto per le modifiche locali (cioè se una parte dell'immagine è stata manomessa, - l'immagine nel suo insieme è ancora riconosciuta come proveniente da una telecamera specifica)
Tuttavia, non funziona correttamente in queste situazioni:
- se l'immagine è stata ritagliata o è dotata di zoom digitale, poiché richiederebbe solo una parte del sensore e non l'intera area (questo potrebbe essere risolto, ma non sarebbe robusto ridimensionarlo)
- per miglioramenti molto forti
- per immagini molto scure o molto luminose, poiché il rumore non è presente in queste aree)
Come funziona
Per estrarre la PRNU dell'immagine è necessario essenzialmente estrarre un componente specifico del rumore. Puoi farlo denunciando l'immagine e sottraendola all'immagine originale. In letteratura si consiglia di utilizzare i filtri Wavelet, ma anche con filtri più semplici e veloci è possibile ottenere risultati simili.
In pratica, la procedura viene eseguita nel modo seguente:
Devi creare il Camera Reference Pattern (CRP) : questo viene fatto estraendo la PRNU da alcune immagini del tuo dispositivo di test. Per i migliori risultati, si consiglia di utilizzare circa 30-50 immagini con il minor numero possibile di dettagli e non troppo scure o troppo bianche e fare una media pixel per pixel. Chiamiamo queste immagini di riferimento . Se hai la fotocamera, puoi mettere a fuoco le immagini di un muro o del cielo. Se non hai la fotocamera, puoi scattare foto generali, ma probabilmente ne avrai bisogno per filtrare i dettagli con la media.
Quindi è possibile estrarre la PRNU dall'immagine in analisi e calcolare la correlazione con il CRP . Maggiore è la correlazione, maggiore è la probabilità che l'immagine provenga dalla stessa fotocamera.
È possibile classificare automaticamente le immagini calcolando una soglia per la correlazione: le immagini con una correlazione superiore alla soglia avranno un'alta probabilità di provenire dalla fotocamera, altrimenti probabilmente provengono da un dispositivo diverso.
La soglia può essere ottenuta calcolando la correlazione per:
- immagini provenienti dallo stesso dispositivo (positivo)
- immagini provenienti da un altro modello di fotocamera (negativo)
- immagini provenienti da un altro esemplare dello stesso modello di fotocamera (negativo)
In generale è probabile che i set positivi e quelli negativi non siano perfettamente separati, quindi è necessario impostare un equilibrio desiderato tra falsi positivi e falsi negativi che si desidera ottenere da un caso all'altro.
Se usato in modo appropriato il metodo si è dimostrato molto affidabile, anche se è stato dimostrato che è possibile trovare due esemplari dello stesso modello con PRNU molto simile. Ciò può accadere, ad esempio, se il sensore dei due dispositivi è stato prodotto dallo stesso wafer di silicio. È una possibilità remota, ma comunque una possibilità.
Ad esempio, questa immagine di seguito è la PRNU estratta da un'immagine senza alcun contenuto significativo (immagine sfocata di un muro).
manomissione
La correlazione PRNU può anche essere applicata localmente per rilevare manomissioni sulle immagini. L'idea è di calcolare la PRNU su una finestra scorrevole di nxn pixel attraverso l'immagine per creare una mappa di correlazione. Le aree con bassa correlazione avranno un'alta probabilità di essere state soggette a manomissione.
L'immagine seguente rappresenta un esempio di un'immagine analizzata.
Di seguito è riportato il risultato della correlazione saggia blocco di CRP con la PRNU estratta dall'immagine. L'area bianca rappresenta le aree più probabili da manomettere, in cui il rumore è incoerente. Al centro della scrivania c'è un chiaro segno di manomissione.
In realtà, questa è l'immagine originale, da cui è stata rimossa una pistola.
Riferimenti
Esistono innumerevoli articoli che analizzano la PRNU da diversi punti di vista, ma questi sono probabilmente i più importanti:
- J. Lukas, J. Fridrich e M. Goljan, "Identificazione della fotocamera digitale dal rumore del sensore", Transazioni IEEE su sicurezza delle informazioni e medicina legale, pp. 205-214, 2006.
- Mo Chen, J. Fridrich e M. Goljan, "Identificazione del sensore di imaging digitale (ulteriori studi)", Atti. di SPIE Electronic Imaging, Security, Steganography and Watermarking of Multimedia Contenuti, pp. 0P-0Q, 2007.
Sommario
La tecnologia per distinguere le immagini provenienti da diverse macchine fotografiche, anche se sono della stessa marca e modello, esiste ed è piuttosto consolidata nella comunità accademica e forense. Ci sono alcuni prodotti software disponibili sul mercato che ti consentono di farlo con relativa facilità e valutano anche l'autenticità dell'immagine con un processo simile.