[논문 리뷰] Secure Detection of Image Manipulation by means of Random Feature Selection

Zhipeng Chen, Benedetta Tondi외 4명|arXiv (Cornell University)|2018. 02. 02.

Digital Media Forensic Detection참고 문헌 36인용 수 4

한 줄 요약

이 논문은 지식이 제한된 공격자에 대비해 데이터 기반 이미지 조작 검출기의 보안을 향상시키기 위해 무작위 특징 선택 방법을 제안한다. 사전 정의된 특징 공간에서 특징의 부분집합을 무작위로 선택함으로써, 전체 특징 집합을 대상으로 하는 유니버설 공격에 대해 검출기가 강건해지며, 공격이 없을 경우 성능 손실가장 미미한 수준에서 상당한 보안 향상을 달성한다.

ABSTRACT

We address the problem of data-driven image manipulation detection in the presence of an attacker with limited knowledge about the detector. Specifically, we assume that the attacker knows the architecture of the detector, the training data and the class of features V the detector can rely on. In order to get an advantage in his race of arms with the attacker, the analyst designs the detector by relying on a subset of features chosen at random in V. Given its ignorance about the exact feature set, the adversary attacks a version of the detector based on the entire feature set. In this way, the effectiveness of the attack diminishes since there is no guarantee that attacking a detector working in the full feature space will result in a successful attack against the reduced-feature detector. We theoretically prove that, thanks to random feature selection, the security of the detector increases significantly at the expense of a negligible loss of performance in the absence of attacks. We also provide an experimental validation of the proposed procedure by focusing on the detection of two specific kinds of image manipulations, namely adaptive histogram equalization and median filtering. The experiments confirm the gain in security at the expense of a negligible loss of performance in the absence of attacks.

연구 동기 및 목표

• 공격자가 검출기의 정확한 구성에 대해 제한된 지식을 가진 경우 데이터 기반 이미지 정밀 감시 검출기가 공격에 취약한 문제를 해결하기 위해.
• 정상(공격이 없는) 조건에서 탐지 정확도를 훼손하지 않으면서 검출기의 보안을 향상시키기 위해.
• 공격자가 전체 특징 공간을 공격하지만 실제로 검출기가 사용하는 부분집합을 대상으로 하지 않는 상황에서도 효과적인 검출 프레임워크를 설계하기 위해.
• 무작위 특징 선택이 공격자에게 불확실성을 제공함으로써 보안이 향상됨을 이론적이고 실험적으로 검증하기 위해.

제안 방법

• 검출기는 사전 정의된 특징 공간 $\mathcal{V}$ 에서 무작위로 선택된 특징 부분집합으로 훈련된다. 이 부분집합은 공격자에게 미리 알려지지 않는다.
• 공격자는 정확한 부분집합을 모른다는 점에서 전체 특징 공간 $\mathcal{V}$ 를 공격 대상으로 삼으며, 검출기가 모든 특징을 사용한다고 가정한다.
• 이 방법은 전체 특징 공간에서의 공격이 실제로 검출기가 사용하는 축소된 무작위 특징 집합에는 성공을 보장하지 못한다는 원리에 기반한다.
• 이론적 분석을 통해 공격자가 실제 특징 부분집합을 모른다는 점에서 검출기의 보안이 크게 향상됨을 증명한다.
• 이 방법은 적응형 히스토GRAM 등화 및 중앙값 필터링 두 가지 이미지 조작 유형에 대해 실험적으로 검증되었다.
• 보안와 탐지 정확도의 상호 간 상충 관계를 측정하기 위해 공격 및 비공격 상황 모두에서 성능을 평가하였다.

실험 결과

연구 질문

• RQ1 무작위 특징 선택은 지식이 제한된 공격자에 대비해 이미지 조작 검출기의 보안을 효과적으로 향상시킬 수 있는가?
• RQ2 무작위화에도 불구하고 공격이 없을 경우 제안된 방법이 높은 탐지 성능을 유지하는가?
• RQ3 실제로 검출기가 무작위 부분집합만 사용하는 상황에서 전체 특징 공간을 공격하는 것이 얼마나 실패하는가?
• RQ4 무작위화로 인한 이론적 보안 향상 수준이 실제 이미지 조작에 대한 실험 결과와 얼마나 일치하는가?

주요 결과

• 이론적 분석을 통해 무작위 특징 선택이 공격자에게 불확실성을 제공함으로써 검출기의 보안이 상당히 향상됨을 확인하였다.
• 공격이 없을 경우 성능 손실는 극히 미미하며, 정상 조건에서 탐지 정확도는 높은 수준을 유지하였다.
• 적응형 히스토GRAM 등화 및 중앙값 필터링에 대한 실험 결과는 전체 특징 공간을 공격하는 공격이 축소된 특징을 사용하는 검출기에는 실패함을 보여주었다.
• 이 방법은 전체 특징 공간을 공격하는 유니버설 카운터포렌식 전략을 효과적으로 차단하였다.