A resposta curta
Sim, é possível combinar uma foto com a câmera discreta em que foi tirada (sem metadados) e também é bastante confiável. A técnica está prontamente disponível em alguns produtos de software, um deles é o Amped Authenticate , produzido pela Amped Software (exoneração de responsabilidade: eu sou o CEO e o Fundador da empresa).
A ideia básica
A idéia básica é que cada dispositivo deixe uma “impressão digital de ruído” diferente em cada foto que produz. Esse componente é chamado de PRNU (não-uniformidade da resposta fotográfica) e tem sido amplamente estudado na literatura. Foi demonstrado ser:
- constante ao longo do tempo
- temperatura constante constante - independente de outras configurações da câmera (exposição, foco, etc.)
- bastante robusto à recompressão (em torno da qualidade JPEG de 5-60%)
- bastante robusto para ajustes de intensidade e cor (contraste, brilho ...)
- bastante robusto às modificações locais (ou seja, se uma parte da imagem foi violada, - a imagem como um todo ainda é reconhecida como proveniente de uma câmera específica)
No entanto, ele não funciona corretamente nestas situações:
- se a imagem foi cortada ou com zoom digital, pois seria necessário apenas uma parte do sensor e não toda a área (isso poderia ser resolvido, mas não seria robusto para redimensionar)
- para aprimoramentos muito fortes
- para imagens muito escuras ou muito claras, pois o ruído não está presente nessas áreas)
Como funciona
Para extrair o PRNU da imagem, você precisa basicamente extrair um componente específico do ruído. Você pode fazer isso suavizando a imagem e subtraindo a imagem original. Na literatura, recomenda-se o uso de filtros Wavelet, mas mesmo com filtros mais simples e rápidos, você pode obter resultados semelhantes.
Na prática, o procedimento é realizado da seguinte maneira:
Você precisa criar o CRP (Camera Reference Pattern) : isso é feito para extrair o PRNU de algumas imagens do seu dispositivo de teste. Para obter os melhores resultados, é recomendável usar de 30 a 50 fotos com o mínimo de detalhes possível e não muito escuro ou muito branco e fazer uma média de pixel por pixel. Vamos chamar essas imagens de referência . Se você possui a câmera, pode tirar fotos fora de foco de uma parede ou do céu. Se você não tiver a câmera, poderá tirar fotos em geral, mas provavelmente precisará de mais delas para filtrar os detalhes com a média.
Em seguida, você pode extrair o PRNU da imagem em análise e calcular a correlação com o CRP . Quanto maior a correlação, maior a probabilidade de a imagem provir da mesma câmera.
Você pode classificar automaticamente as imagens que calculam um limite para a correlação: as imagens com uma correlação maior que o limite terão uma alta probabilidade de vir da câmera, caso contrário elas provavelmente serão de outro dispositivo.
O limite pode ser obtido calculando a correlação para:
- imagens provenientes do mesmo dispositivo (positivo)
- fotos provenientes de outro modelo de câmera (negativo)
- fotos provenientes de outro exemplo do mesmo modelo de câmera (negativo)
Em geral, é provável que os conjuntos positivos e negativos não sejam perfeitamente separados, portanto, você deve definir um equilíbrio desejado entre falsos positivos e falsos negativos que deseja obter caso a caso.
Se usado adequadamente, o método demonstrou ser muito confiável, mesmo que tenha sido demonstrado que é possível encontrar dois exemplos do mesmo modelo com PRNU muito semelhante. Isso pode acontecer, por exemplo, se o sensor dos dois dispositivos for produzido a partir da mesma pastilha de silicone. É uma possibilidade remota, mas ainda uma possibilidade.
Como exemplo, esta imagem abaixo é o PRNU extraído de uma imagem sem conteúdo significativo (imagem fora de foco de uma parede).
Violação
A correlação PRNU também pode ser aplicada localmente para detectar violação nas imagens. A idéia é calcular o PRNU em uma janela deslizante de nxn pixels na imagem para criar um mapa de correlação. Áreas com baixa correlação terão uma alta probabilidade de serem sujeitas a adulteração.
A imagem abaixo representa um exemplo de uma imagem que está sendo analisada.
Abaixo está o resultado da correlação em bloco da PCR com o PRNU extraído da imagem. A área branca representa as áreas com maior probabilidade de serem adulteradas, onde o ruído é inconsistente. No meio da mesa, há um sinal claro de violação.
De fato, esta é a imagem original, de onde uma arma foi removida.
Referências
Existem inúmeros trabalhos que analisam o PRNU sob diferentes pontos de vista, mas estes são provavelmente os mais importantes:
- J. Lukas, J. Fridrich e M. Goljan, "Identificação de Câmera Digital a partir do Ruído do Sensor", Transações IEEE sobre Segurança da Informação e Forense, pp. 205-214, 2006.
- Mo Chen, J. Fridrich e M. Goljan, "Digital Imaging Sensor Identification (Further Study)", Proceedings. de Imagem Eletrônica SPIE, Segurança, Esteganografia e Marca D'água de Conteúdo Multimídia, pp. 0P-0Q, 2007.
Sumário
A tecnologia para distinguir imagens provenientes de câmeras diferentes, mesmo que sejam da mesma marca e modelo, existe e é bastante estabelecida na comunidade acadêmica e forense. Existem alguns produtos de software disponíveis no mercado que permitem fazê-lo com relativa facilidade e também avaliam a autenticidade da imagem com um processo semelhante.