[論文レビュー] Detection of Tool based Edited Images from Error Level Analysis and Convolutional Neural Network

Abhishek Gupta, Raunak Joshi+1 more|arXiv (Cornell University)|Apr 19, 2022

Digital Media Forensic Detection被引用数 6

ひとこと要約

この論文は、エラーレベル分析（ELA）と畳み込みニューラルネットワーク（CNN）を組み合わせたハイブリッド手法を提案し、編集ツールで改ざんされた画像を検出する。CASIA ITDE v2 データセットの画像にELAを適用することで、圧縮アーティファクトの可視性を向上させ、その後そのCNNが改ざん済みまたは本物の画像として分類する。100エポックの学習後、訓練精度は96.13%、検証精度は92.20%を達成した。

ABSTRACT

Image Forgery is a problem of image forensics and its detection can be leveraged using Deep Learning. In this paper we present an approach for identification of authentic and tampered images done using image editing tools with Error Level Analysis and Convolutional Neural Network. The process is performed on CASIA ITDE v2 dataset and trained for 50 and 100 epochs respectively. The respective accuracies of the training and validation sets are represented using graphs.

研究の動機と目的

• Photoshopなどの一般的な編集ツールで作成された画像改ざんの検出という増加する課題に対処すること。
• エラーレベル分析（ELA）を前処理として活用することで、圧縮の不一致を強調し、画像フォレンジックスを向上させること。
• 高い精度で本物と改ざん済みの画像を区別できるディープラーニングベースの分類器を開発すること。
• 100エポックという異なる訓練エポック数の下で、CASIA ITDE v2 データセットにおけるカスタムCNNアーキテクチャの性能を評価すること。
• アクセス可能な前処理とディープラーニング技術を用いた、実世界の画像改ざん検出に向けた軽量で効果的なソリューションを提供すること。

提案手法

• 本手法は、CASIA ITDE v2 データセットに含まれるすべての画像にエラーレベル分析（ELA）を適用し、圧縮アーティファクトを強調することで、改ざんの検出を容易にする。
• 90%の画像品質でELAを適用し、異なる圧縮レベルを示す領域を強調する変換画像を生成する。
• 2つの2次元畳み込み層（フィルタ数32、サイズ5x5）、ReLU活性化関数、および次元削減のためのマックスプーリングを備えたカスタム2D畳み込みニューラルネットワーク（CNN）を設計する。
• 過学習を防ぎ、一般化性能を向上させるために、ドロップアウト率25%および50%の2つのドロップアウト層を含む。
• 最終的な特徴量をフラット化し、256ニューロンのReLU活性化関数を備えた全結合層を経て、2値分類のためのソフトマックス出力層へと接続する。
• モデルはバイナリクロスエントロピー損失とAdam最適化手法を用い、性能と収束性を評価するために50および100エポックで学習を行う。

実験結果

リサーチクエスチョン

• RQ1 一般的な編集ツールによって引き起こされる画像改ざんの視覚的兆候を、エラーレベル分析（ELA）が効果的に強調できるか？
• RQ2 ELA前処理とCNNの組み合わせは、直接的な画像分類と比較して、検出精度をどのように向上させるか？
• RQ3 訓練期間（50対100エポック）が、ツールによる画像改ざんの検出におけるモデルの精度と一般化性能に与える影響は何か？
• RQ4 提案手法が、CASIA ITDE v2 データセットの未学習画像にどの程度一般化できるか？
• RQ5 ドロップアウトやバッチ正則化に類似した正則化の使用は、微細な画像改ざんの検出におけるモデルの頑健性を向上させるか？

主な発見

• 100エポックの学習後、モデルは訓練精度96.13%、検証精度92.20%を達成した。
• 100エポックで訓練損失は10.27%に低下したが、検証損失は20.50%に上昇し、ドロップアウトを導入しても一部の過学習が認められた。
• 50エポックでは、訓練精度94.33%、検証精度92.56%に到達し、初期段階での収束が良好であった。
• 損失曲線から、モデルは50エポック以降に過学習を示し始めたと推測され、100エポックに延長した際、検証損失が19.63%から20.50%に上昇した。
• ELA前処理の使用により、圧縮の不一致を強調することで、モデルが本物と改ざん済みの画像を区別する能力が著しく向上した。
• ELAとCNNの組み合わせは、ベースライン手法を上回り、ネットワークが効果的に学習できる明確な改ざんの視覚的サインを提供した。