Câu trả lời ngắn
Có, có thể ghép ảnh với máy ảnh rời mà nó được chụp (không có siêu dữ liệu) và nó cũng khá đáng tin cậy. Kỹ thuật này có sẵn trong một vài sản phẩm phần mềm, một trong số đó là Amped xác thực , được sản xuất bởi Amped Software (từ chối trách nhiệm: Tôi là CEO và người sáng lập công ty).
Ý tưởng cơ bản
Ý tưởng cơ bản là mỗi thiết bị đều để lại một dấu vân tay tiếng ồn khác nhau trên mỗi bức ảnh mà nó tạo ra. Thành phần này được gọi là PRNU (Phản ứng không đồng nhất ảnh) và nó đã được nghiên cứu rộng rãi trong văn học. Nó đã được hiển thị là:
- không đổi theo thời gian
- không đổi phụ thuộc vào nhiệt độ - phụ thuộc vào các cài đặt camera khác (phơi sáng, lấy nét, v.v.)
- khá mạnh mẽ để giải nén (tăng khoảng 5-60% chất lượng JPEG)
- khá mạnh mẽ để điều chỉnh cường độ và màu sắc (độ tương phản, độ sáng)
- khá mạnh mẽ đối với các sửa đổi cục bộ (nghĩa là nếu một phần của hình ảnh đã bị giả mạo, - toàn bộ hình ảnh vẫn được công nhận là đến từ một máy ảnh cụ thể)
Tuy nhiên, nó không hoạt động đúng trong những tình huống này:
- nếu hình ảnh bị cắt hoặc thu phóng kỹ thuật số, vì nó sẽ chỉ chiếm một phần của cảm biến chứ không phải toàn bộ khu vực của nó (điều này có thể được giải quyết, nhưng sau đó sẽ không thể thay đổi kích thước)
- cho những cải tiến rất mạnh
- đối với hình ảnh rất tối hoặc rất sáng, vì nhiễu không xuất hiện ở những khu vực này)
Làm thế nào nó hoạt động
Để trích xuất PRNU của hình ảnh, bạn cần trích xuất một thành phần cụ thể của nhiễu. Bạn có thể làm nó từ chối hình ảnh và trừ nó cho hình ảnh gốc. Trong tài liệu, nên sử dụng các bộ lọc Wavelet, nhưng ngay cả với các bộ lọc đơn giản và nhanh hơn, bạn có thể nhận được kết quả tương tự.
Thực tế nói thủ tục được thực hiện theo cách sau:
Bạn cần tạo Mẫu tham chiếu máy ảnh (CRP) : việc này được thực hiện trích xuất PRNU từ một số hình ảnh của thiết bị thử nghiệm của bạn. Để có kết quả tốt nhất, nên sử dụng khoảng 30-50 hình ảnh với càng ít chi tiết càng tốt và không quá tối hoặc quá trắng và tạo một pixel theo pixel trung bình. Hãy gọi những hình ảnh tham khảo này . Nếu bạn có máy ảnh, bạn có thể lấy ra những bức ảnh lấy nét của một bức tường hoặc bầu trời. Nếu bạn không có máy ảnh, bạn có thể chụp ảnh chung, nhưng có lẽ bạn sẽ cần nhiều ảnh hơn để lọc chi tiết với mức trung bình.
Sau đó, bạn có thể trích xuất PRNU từ hình ảnh được phân tích và tính toán mối tương quan với CRP . Tương quan càng cao, xác suất hình ảnh đến từ cùng một máy ảnh càng cao.
Bạn có thể tự động phân loại các hình ảnh tính toán ngưỡng cho tương quan: những hình ảnh có tương quan cao hơn ngưỡng sẽ có xác suất cao đến từ máy ảnh, nếu không chúng có thể đến từ một thiết bị khác.
Ngưỡng có thể thu được tính toán tương quan cho:
- hình ảnh đến từ cùng một thiết bị (tích cực)
- hình ảnh đến từ một mô hình máy ảnh khác (tiêu cực)
- hình ảnh đến từ một mẫu khác của cùng một mẫu máy ảnh (âm bản)
Nói chung, có khả năng các bộ dương và các bộ âm sẽ không được tách biệt hoàn hảo, do đó bạn phải đặt cân bằng mong muốn giữa dương tính giả và âm tính giả mà bạn muốn có được theo từng trường hợp.
Nếu được sử dụng một cách thích hợp, phương pháp đã được chứng minh là rất đáng tin cậy, mặc dù nó đã được chứng minh rằng có thể tìm thấy hai mẫu của cùng một mô hình với PRNU rất giống nhau. Điều này có thể xảy ra, ví dụ, nếu cảm biến của hai thiết bị được sản xuất từ cùng một wafer silicon. Đó là một khả năng từ xa, nhưng vẫn là một khả năng.
Ví dụ, hình ảnh dưới đây là PRNU được trích xuất từ một hình ảnh mà không có bất kỳ nội dung quan trọng nào (ngoài bức ảnh tiêu điểm của một bức tường).
Giả mạo
Tương quan PRNU cũng có thể được áp dụng cục bộ để phát hiện sự giả mạo trên hình ảnh. Ý tưởng là tính toán PRNU trên cửa sổ trượt các pixel nxn trên ảnh để tạo bản đồ tương quan. Các khu vực có tương quan thấp sẽ có xác suất cao bị giả mạo.
Hình ảnh dưới đây đại diện cho một ví dụ về một hình ảnh được phân tích.
Dưới đây là kết quả của mối tương quan khôn ngoan của CRP với PRNU được trích xuất từ hình ảnh. Vùng màu trắng đại diện cho các khu vực có khả năng bị giả mạo nhất, nơi tiếng ồn không nhất quán. Ở giữa bàn có dấu hiệu giả mạo rõ ràng.
Trên thực tế, đây là hình ảnh gốc, từ đó một khẩu súng đã được gỡ bỏ.
Người giới thiệu
Có vô số bài báo phân tích PRNU theo các quan điểm khác nhau, nhưng đây có lẽ là những bài quan trọng nhất:
- J. Lukas, J. Fridrich và M. Goljan, "Nhận dạng máy ảnh kỹ thuật số từ nhiễu cảm biến", Giao dịch của IEEE về An toàn thông tin và Pháp y, trang 205-214, 2006.
- Mo Chen, J. Fridrich và M. Goljan, "Nhận dạng cảm biến hình ảnh kỹ thuật số (nghiên cứu thêm)", Kỷ yếu. của SPIE Hình ảnh điện tử, bảo mật, Steganography và Watermarking của nội dung đa phương tiện, trang 0P-0Q, 2007.
Tóm lược
Công nghệ để phân biệt hình ảnh đến từ các máy ảnh khác nhau, ngay cả khi chúng là cùng kiểu dáng và mẫu mã, tồn tại và được thiết lập khá tốt trong cộng đồng học thuật và pháp y. Có một số sản phẩm phần mềm có sẵn trên thị trường cho phép bạn làm điều đó một cách dễ dàng và cũng đánh giá tính xác thực của hình ảnh với một quy trình tương tự.