[論文レビュー] Digital Image Forensics vs. Image Composition: An Indirect Arms Race

Victor Schetinger, Massimo Iuliani+2 more|arXiv (Cornell University)|Jan 13, 2016

Digital Media Forensic Detection参考文献 9被引用数 9

ひとこと要約

本論文は、デジタルフォレンジックによる検出可能性を分析するための新しいフォレンジック評価スケールを導入し、画像コンポジション技術を分類する。本研究では、先進的なコンポジション手法ですら、圧縮アーティファクト、ノイズの不一致、PRNUパターンといった検出可能な痕跡を残すことが示された。これは、適切に適用および統合された現在のフォレンジックツールが、大多数の改ざんを同定可能であることを示している。

ABSTRACT

The field of image composition is constantly trying to improve the ways in which an image can be altered and enhanced. While this is usually done in the name of aesthetics and practicality, it also provides tools that can be used to maliciously alter images. In this sense, the field of digital image forensics has to be prepared to deal with the influx of new technology, in a constant arms-race. In this paper, the current state of this arms-race is analyzed, surveying the state-of-the-art and providing means to compare both sides. A novel scale to classify image forensics assessments is proposed, and experiments are performed to test composition techniques in regards to different forensics traces. We show that even though research in forensics seems unaware of the advanced forms of image composition, it possesses the basic tools to detect it.

研究の動機と目的

• デジタル画像フォレンジックスと画像コンポジション技術の間の継続的な技術的対抗関係を分析すること。
• 画像コンポジション技術およびフォレンジック評価水準の両方について、体系的な分類の欠如に取り組むこと。
• フォレンジック痕跡の実験的評価を通じて、現代の画像コンポジション手法の検出可能性を評価すること。
• 適切に調整および統合された既存のデジタルフォレンジック技術が、大多数の高度な改ざんを検出可能であることを示すこと。
• 将来の、新たなコンポジション技術に対応したターゲット型フォレンジックツールの開発基盤を提供すること。

提案手法

• 改ざん検出結果の洗練された分類を可能にするために、新しいフォレンジック評価スケールを提案する。
• 2つの既存のフォレンジック分類システムを、提案スケールと統合し、統一されたフレームワークを構築する。
• 従来のカテゴリ（例：スプライシング、クローン化）を超えて、再ライティング、モーフィング、シームレスクローン化などの高度な手法を含む、画像コンポジション技術を分類する。
• 複数のフォレンジック分析手法を用いる：エラーレベル分析（ELA）、二重JPEG圧縮検出、PRNU（写真応答非均一性）分析、ノイズパターン分析。
• 中央値フィルタリングおよび輝度ベースのスケーリングを適用し、画像領域間のノイズ不一致を分離および可視化する。
• 実験的評価を、合成画像のセットに対して実施し、コンポジション前後での痕跡を比較して異常を検出する。

実験結果

リサーチクエスチョン

• RQ1 異なる技術間での意味のある比較を可能にするために、フォレンジック検出結果を体系的に分類する方法は何か？
• RQ2 どの高度な画像コンポジション技術が検出可能なフォレンジック痕跡を残し、その検出可能性はどのように比較できるか？
• RQ3 現在のデジタルフォレンジックツールは、再ライティング、モーフィング、シームレスクローン化などの現代のコンポジション手法をどの程度検出可能か？
• RQ4 圧縮ベースおよびノイズベースのフォレンジック手法は、最先端の画像コンポジションツールで作成された改ざんを信頼性高く同定できるか？
• RQ5 洗練された合成画像に対して、現在のフォレンジック手法の限界は何か。また、それらの限界はどのように克服できるか？

主な発見

• 提案されたフォレンジック評価スケールにより、異なるフォレンジック手法間での検出能力のより洗練された比較が可能になった。
• テストされたほとんどの画像コンポジション技術—オブジェクト挿入、再ライティング、モーフィング、シームレスクローン化—は、圧縮、ノイズ、またはPRNUパターンにおいて検出可能な痕跡を残した。
• エラーレベル分析（ELA）は、やわらかい影の除去を検出できなかったが、オブジェクト挿入およびモーフィングに起因するアーティファクトは正常に同定した。
• 二重JPEG圧縮分析は、特にオブジェクト移動および再ライティングのケースにおいて、異なる圧縮履歴を持つ領域を明確に示した。
• ノイズ分析により、合成オブジェクトおよびモーフィング領域で明確なノイズパターンの不一致が判明し、目立つアーティファクトが操作の兆候を示した。
• PRNU分析により、再色調処理された領域で強い相関シフトが観察され、局所的な編集がセンサーノイズのフィンガープリントで検出可能であることが確認された。