05 Analise Forense de Documentos

Prévia do material em texto

Prof. Dr. Anderson Rocha
anderson.rocha@ic.unicamp.br
http://www.ic.unicamp.br/~rocha
Reasoning for Complex Data (RECOD) Lab.
Institute of Computing, Unicamp
Av. Albert Einstein, 1251 - Cidade Universitária
CEP 13083-970 • Campinas/SP - Brasil 
Análise Forense de
Documentos Digitais
Organização
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Organização
‣ Identificação de Adulterações
• Cópia-Colagem
• Variações e Inconsistências em Descritores
• Inconsistências (Aquisição, Iluminação, Estruturais)
‣ Desafios em AFD
‣ Algumas conclusões
‣ Cenas dos Próximos Capítulos
3
Recap.!
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Recap.!
‣ O que é Computação Forense Digital?
5
É o conjunto de técnicas científicas para a 
preservação, coleção, validação, identificação, análise, 
interpretação, documentação e apresentação de 
evidências derivadas de meios digitais com a 
finalidade de facilitar e/ou permitir a reconstrução 
de eventos, usualmente de natureza criminal
Edward Delp – Purdue University
“
”
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Recap.!
‣ O que é Análise Forense Digital?
• Campo de Pesquisas dentro da Computação 
Forense
• Objetivos
‣ Atribuição de origem
‣ Verificação de autenticidade
‣ Reconstrução de eventos de manipulação
6
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Recap.!
‣ Com relação à Análise Forense de Documentos 
(AFD), já vimos (top-down)
• Métodos para atribuição (Modelo e 
Específico)
• Identificação de Criações Sintéticas
‣ Vamos ver agora algumas abordagens para 
identificação de adulterações em documentos
7
Identificação de 
Adulteracões
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Identificação de Adulterações
‣ Maior objetivo da análise forense de 
documentos consiste na identificação de 
adulterações em documentos digitais
‣ Manipulações típicas
• Aumento, redução, rotação
• Compensação de cor, brilho, contraste
• Supressão e modificação de detalhes etc.
9
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Estado da Arte
‣ Abordagens propostas na literatura ainda são 
incipientes
‣ Maior parte dos trabalhos publicada a partir 
de 2004
‣ Poucos grupos estabelecidos no mundo
‣ Diversos problemas ainda a serem abordados
10
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Estado da Arte
‣ Podemos agrupar as principais abordagens nas 
seguintes categorias não exclusivas
1. Técnicas para detecção de clonagem (cópia-
colagem)
2. Técnicas que analisam variações em 
descritores de características
3. Técnicas que analisam inconsistências em 
descritores de características
11
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Estado da Arte
‣ De forma geral, podemos agrupar as principais 
abordagens em
4. Técnicas que analisam inconsistências relativas 
ao processo de aquisição
5. Técnicas que analisam inconsistências de 
iluminação
6. Técnicas que analisam inconsistências de 
compressão
12
Detecção de
Clonagem
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Detecção de Clonagem
‣ Uma das técnicas de adulteração mais simples
‣ Também conhecida como cópia-colagem
‣ Presente em operações mais sofisticadas tais 
como
• Retoque e conciliação
• Content Aware Fill 
14
A. Rocha, 2012 – Análise Forense de Documentos Digitais
‣ Objetivo clonagem: fazer um objeto 
desaparecer de uma cena utilizando 
propriedades da própria cena
‣ Abordagens para detecção baseado em busca 
exaustiva
• Problemas?
15
Detecção de Clonagem
A. Rocha, 2012 – Análise Forense de Documentos Digitais
‣ Abordagens baseadas em análise por blocos
[Fridrich et al. 2003] e [Popescu & Farid 2004a] 
‣ Ideia central
• Dividir a imagem em blocos
• Sumarizar cada bloco de acordo com uma 
transformação
16
Detecção de Clonagem
A. Rocha, 2012 – Análise Forense de Documentos Digitais
‣ Ideia central (cont.)
• Ordenar lexicograficamente
• Localizar candidatos próximo segundo um 
limiar
17
Detecção de Clonagem
A. Rocha, 2012 – Análise Forense de Documentos Digitais 18
Detecção de Clonagem
Clonagem Análise por Blocos
0BBB@
�1,1 �1,2 . . . �1,k
�2,1 �2,2 . . . �2,k
...
...
...
...
�n,1 �n,2 . . . �n,k
1CCCA S
um
ar
iz
aç
ão
 d
os
 b
lo
co
s
(e
.g
., 
PC
A
, D
C
T
)
0BBB@
�01,1 �01,2 . . . �01,k
�02,1 �02,2 . . . �02,k
...
...
...
...
�0n,1 �0n,2 . . . �0n,k
1CCCA
Ordenação lexicográfica0BBB@
�01,1 �01,2 . . . �01,k
�02,1 �02,2 . . . �02,k
...
...
...
...
�0n,1 �0n,2 . . . �0n,k
1CCCA
Detecção de duplicações
© A. Rocha
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Detecção de Clonagem
19
©
 E
. A
. S
ilv
a
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Detecção de Clonagem
‣ A sumarização é importante?
‣ Por que não utilizar uma região diretamente?
‣ Sumarização
• PCA
• Transformação DCT
20
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Detecção de Clonagem
‣ Como estender para vídeo?
‣ Câmeras estacionárias vs. não estacionárias
‣ Abordagem
• Análise quadro a quadro
• Transformação de Fourier dos quadros
• Normalized Cross-Power Spectrum
• Análise de picos
21
Variações de
Descritores
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Variações em Descritores
‣ Análise de descritores de imagens e vídeos 
sensíveis ao processo de adulteração
‣ Objetivo: detectar composições
‣ Hipótese
• Possibilidade de mensurar a variação dos 
descritores no cenário de adulterações
23
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Estado da Arte
‣ Abordagens baseadas em análise de métricas de 
qualidade de imagens (IQMs)
[Avcibas et al. 2004]
‣ Análise de estatísticas de alta ordem utilizando 
bicoerência
[Ng & Chang 2004]
24
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Estado da Arte
‣ Análise de estatísticas de alta ordem utilizando 
decomposição wavelet (HOWS)
[Lyu & Farid 2005]
‣ Métricas binárias de similaridade (BSM)
[Bayram et al. 2005a]
25
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Estado da Arte
‣ Modelos combinados IQMs, BSMs e HOWS
[Bayram et al. 2006]
‣ Análise de estatísticas de momento de Markov
[Shi et al. 2007]
26
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Estatísticas de Markov
27
©
 S
hi
 e
t 
al
.
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Estatísticas de Markov
28
© Shi et al.
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Estatísticas de Markov
29
Diferenças em diversas direções
horizontal, vertical, diagonal principal e secundária
© Shi et al.
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Estatísticas de Markov
‣ Abordagem muito “ad-hoc”?
‣ Abordagem efetiva para transições bruscas 
(abordagens de composição mais simples)
‣ Bons resultados no data set no Columbia Splicing 
data set
‣ Experimentações precisam ser feitas no cenário 
de modificações mais sofisticadas
30
Inconsistências
em Descritores
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Inconsistências em Descritores
‣ Análise de inconsistências em descritores de 
características ao invés de variações
‣ Inconsistências podem ser
• desvios abruptos de um ponto a outro
• presença de similaridades inesperadas
32
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Estado da Arte
‣ Trabalhos relevantes tem considerado artefatos 
devido à reamostragem
[Popescu 2004]
‣ Artefatos de compressão
[He et al.2004]
33
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Artefatos de Reamostragem
‣ No momento da criação de uma imagem 
composta, frequentemente, é necessário fazer 
uma reamostragem em uma nova grade (lattice) 
‣ Para isso, utiliza-se abordagens de interpolação
‣ A reamostragem contem correlações 
específicas que, quando detectadas, podem 
revelar indícios de adulteração
34
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Artefatos de Reamostragem
‣ Para um melhor entendimento, considere um 
sinal 1D, x[t] com m amostras
‣ O número de amostras em x[t] pode ser 
aumentado ou diminuído por um fator de p/q 
para n amostras em três passos
35
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Artefatos de Reamostragem
‣ Passo 1: Up-sample – criação de um novo sinal
xu[t] com pm amostras, onde xu[pt] = x[t], t = 1, 
2, ..., m e xu[t] = 0, caso contrário
‣ Passo 2: Interpolação – convolução de xu[t] com 
um filtro de passa-baixas xi[t] = xu[t] ? h[t]
‣ Passo 3: Down-sample – criar um novo sinal xd[t] 
com n amostras, onde xd[t] = xi[qt], t = 1,2, ..., n
36
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Artefatos de Reamostragem
‣ O filtro de passa-baixas h[t] define a forma da 
interpolação
‣ Diferentes tipos de interpolação são conseguidos 
com diferentes filtros
37
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Artefatos de Reamostragem
38
Reamostragem por um fator de p/q = 4/3
(a) Sinal original; (b) Up-sampled; (c) Interpolação; (d) Sinal final
©
 A
. P
op
es
cu
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Artefatos de Reamostragem
‣ Dado um sinal interpolado por uma quantia 
conhecida e o algoritmo de interpolação, é 
possível encontrar as amostras periódicas
‣ Na prática, as amostras não são conhecidas 
nem a forma específica de correlação
39
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Artefatos de Reamostragem
‣ Na prática, as amostras não são conhecidas 
nem a forma específica de correlação
‣ [Popescu 2004] propõem uma abordagem para 
descrever a forma destas correlações
40
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Artefatos de Reamostragem
‣ A forma das correlações pode ser determinada 
achando-se o tamanho da vizinhança em que 
ocorre a combinação dos pixels
‣ Além de , é necessário achar o conjunto de 
coeficientes representando os parâmetros das 
combinações
41
�
�
~�
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Artefatos de Reamostragem
‣ [Popescu 2004] aplicam uma abordagem de 
maximização da esperança (EM) para, 
simultaneamente, achar
• o conjunto de amostras correlacionadas com 
seus vizinhos
• e a forma específica de tais combinações
42
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Artefatos de Reamostragem
‣ Os autores assumem dois modelos M1 e M2
‣ M1 corresponde ao modelo em que as amostras 
si são correlacionadas com seus pixels vizinhos
43
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Artefatos de Reamostragem
‣ M2 corresponde ao modelo em que as amostras 
não são correlacionadas com seus pixels vizinhos 
(dist. uniforme)
‣ Nesse sentido, o algoritmo EM calcula
• No passo E, a probabilidade de cada amostra 
pertencer ao modelo
• No passo M, a forma específica das 
correlações
44
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Artefatos de Reamostragem
‣ M1 dado por
onde os parâmetros do modelo são dados pela 
forma específica das correlações, 
‣ são amostras de uma dist. Gaussiana iid
45
M1 : si =
�X
k=��
�ksi+k +N (i),
~↵
N (i)
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Artefatos de Reamostragem
‣ No passo E, analisamos a probabilidade de cada 
amostra si pertencer ao modelo M1
‣ Priors são considerados como sendo 1/2
‣
46
Pr{si �M1|si} = Pr{si|si �M1}Pr{yi �M1}P2
k=1 Pr{si|si �Mk}Pr{yi �Mk}
Pr{si|si �M2} = U{0, 1}
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Artefatos de Reamostragem
‣ No passo M, uma nova estimativa de é 
calculada utilizando mínimos quadrados
‣
47
~↵
E(⇥�) =
X
i
w(i)
 
si �
�X
k=��
�ksi+k
!2
w(i) � Pr{si ⇥M1|si}
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Artefatos de Reamostragem
48
Image Original Mapa de Probabilidade (p) |F(p)|
Exemplo sem interpolação
©
 A
. P
op
es
cu
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Artefatos de Reamostragem
49
Entrada p |F(p)|
5%
10%
20%
2,5%
5%
10%
Entrada p |F(p)|
© A. Popescu © A. Popescu
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Artefatos de Reamostragem
50
OriginalFalsificada
© A. Popescu
Inconsistências no 
Processo de Aquisição
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Inconsistências de Aquisição
‣ Análise de inconsistências relacionadas ao 
processo de aquisição do documento
‣ Partes de um mesmo documento contem 
traços apontando para diferentes fontes 
originadoras?
52
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Estado da Arte
‣ Trabalho relevantes tem analisado artefatos de 
interpolação
[Popescu & Farid 2005b]
‣ Padrão inerente de ruído
[Lukas et al. 2007]
‣ Análise das funções de resposta não linear das 
câmeras digitais e inconsistências de bordas
[Lin et al. 2005]
53
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Funções de Resposta das Câmeras
‣ [Lin et al. 2005] apresentam uma abordagem 
para identificação de manipulações baseada em 
análise de consistência/inconsistência de 
funções de resposta das câmeras digitais
‣ Imagem é adulterada se as funções de resposta 
são inconsistentes ao longo da imagem sob 
investigação
54
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Funções de Resposta das Câmeras
‣ A função de resposta de uma câmera (camera 
response function, CRF) é um mapeamento entre 
a irradiância de um ponto e o valor do pixel 
relativo a esse ponto após a aquisição
55
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Funções de Resposta das Câmeras
56
Radiância da Cena
SR1
SR2
�1
�2
R
G
B
�2
�1
R
G
BMC1
MC2
MC2
MC1
MC = fcam(�)
Irradiância da Imagem Cor observada
(a) (b) (c)
R1
R2
©
 A
. R
oc
ha
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Funções de Resposta das Câmeras
‣ A irradiância do pixel na borda deveria ser uma 
combinação linear dos pixels fora da aresta
‣ Devido à não-linearidade da função de resposta 
da câmera, esta relação linear é quebrada 
durante a leitura dos valores dos pixels
57
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Funções de Resposta das Câmeras
‣ Os autores estimam o relacionamento linear 
calculando a função inversa de resposta da câmera
‣ Limitação técnica no cálculo de da função inversa
‣ Para esse cálculo, é necessário calcular uma 
função inversa que requer o aprendizado sobre 
um modelo GMM proveniente de um banco de 
dados contendo diversas funções de resposta 
(DoRF)
58
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Funções de Resposta das Câmeras
‣ Problemas caso a imagem analisada seja uma 
composição de regiões não documentadas no 
banco de dados
‣ Esta abordagem requer a interação do usuário 
para marcar pontos de bordas “duvidosos”
‣ Problema no caso de câmeras modernas que 
utilizam sensores CMOS adaptativos (adaptam a 
função de resposta on-the-fly)
59
Inconsistências de 
Iluminação
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Estadoda Arte
‣ Ao criar uma composição, frequentemente, é necessário 
casar os padrões de iluminação das partes compostas
‣ Abordagens na literatura tem buscado estimar a origem 
de iluminação global em uma cena para apontar 
inconsistências
[Johnson & Farid 2005]
‣ Estimação de diversas fontes de iluminação
[Johnson 2007]
61
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Estado da Arte
‣ Alguns autores tem analisado inconsistências de 
iluminação via reflexos oculares em 
composições envolvendo pessoas
[Johnson & Farid 2007b]
62
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Inconsistências de Iluminação
‣ Para a estimação da origem de iluminação em 
uma cena, abordagens tradicionais supõem que 
a superfície:
• É Lambertiana
• Tem um valor constante de reflectância
• É iluminada por uma fonte localizada no 
infinito 
63
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Inconsistências de Iluminação
‣ Segundo essas suposições, podemos representar a 
intensidade na imagem como
‣ é o valor da constante de reflectância
‣ é um vetor de tamanho três apontando na direção da 
origem de iluminação
‣ é um vetor de tamanho três representando a superfície 
normal no ponto (x,y) e é o termo representando a 
iluminação constante do ambiente
64
I(x, y) = ⇥(�U(x, y) · ��+A),
⇤
~⇥
�U
A
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Inconsistências de Iluminação
‣ Nesse modelo simplificado, com quatro pontos 
com a mesma reflectância e superfícies normais 
distintas pode-se
• achar a direção da luz e
• termo ambiente
‣ Como? Mínimos quadrados
65
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Inconsistências de Iluminação
‣ Qual o problema? 
‣ Abordagens tradicionais requerem o 
conhecimento de superfícies normais 3D, de 
pelo menos, quatro pontos distintos
‣ Muito restritivo com a posse de apenas uma 
imagem 
66
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Inconsistências de Iluminação
‣ Para contornar esse problema, [Johnson & Farid 
2005] utilizam uma abordagem desenvolvida por 
[Nillius & Eklundh 2001] 
‣ [Nillius & Eklundh 2001] relaxam a restrição de 
reflectância constante em toda a cena e adotam 
o modelo em que a imagem possui regiões 
(patches) com reflectância constante
67
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Inconsistências de Iluminação
‣ Isso tem muito sentido para imagens “outdoors”
‣ Extensão para mais fontes (imagens “indoors”)
‣ Para o funcionamento desta técnica, é necessário a 
intervenção do usuário para marcar contornos de 
oclusão na imagem
‣ Contornos de oclusão são bons candidatos para a 
determinação de superfícies normais
68
A. Rocha, 2012 – Análise Forense de Documentos Digitais 69
Imagem Destino (host)
Im
ag
em
 C
om
po
st
a 
(S
pl
ic
ed
)
Direção de Iluminação ⇥1
Direção de Iluminação ⇥2
Inconsistências de Iluminação
©
 A
. R
oc
ha
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Luz não direcional ou difusa
Luz direcional
~123º
~86º
~98º
~98º
~93º
70
Inconsistências de Iluminação
Montagens © A. Rocha
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Inconsistências de Iluminação
71
(a)
(b)
(c) (d) (e) (f)
M
on
ta
ge
m
 ©
 A
. R
oc
ha
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Análise de Reflexos Oculares
‣ Reflexos oculares (peq. brancos na íris) podem nos 
dar pistas importantes em relação a uma 
composição envolvendo pessoas
‣ A posição de um reflexo ocular é determinada pela
• posição relativa da fonte de luz
• a superfície de reflexão
• visualizador
72
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Análise de Reflexos Oculares
‣ Reflexos oculares podem fornecer informações 
poderosas quanto à forma, cor, localização da 
fonte de iluminação em uma cena
73
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Análise de Reflexos Oculares
‣ A lei da reflexão da Física diz que um raio de 
luz reflete a partir de uma superfície em um 
ângulo de reflexão igual ao ângulo de incidência 
medidos em relação a uma superfície normal
74
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Análise de Reflexos Oculares
75
Câmera
✓i
✓r
~U
Fonte de Luz
Modelo Computacional
do Olho
Modelagem e Estimação da
Direção de Iluminação
Localização e Extração de
Características
Imagem para Análise
~V
=
~R
~⇥©
 A
. R
oc
ha
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Análise de Reflexos Oculares
‣ Assumindo vetores unitários, a direção do raio 
refletido pode ser escrita em termos da 
direção da luz e a normal de superfície 
‣ Assumindo-se um refletor perfeito ( ), 
76
�R
�U~⇥
⇥R = ⇥�+ 2(cos(�i)⇥U � ⇥�)
= 2cos(�i)⇥U � ⇥�.
�V = �R
⇥� = 2cos(�i)⇥U � ⇥V
= 2(⇥V T ⇥U)⇥U � ⇥V .
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Análise de Reflexos Oculares
‣ Com isso, a direção de iluminação pode ser 
estimada a partir da normal de superfície e a 
direção de visualização em um reflexo ocular
‣ Problemas?
• Reflexos oculares são pequenos
• Ataques contra-forenses possíveis
77
�V
~⇥
�U
Inconsistências 
Estruturais
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Inconsistências de Compressão
‣ Algumas técnicas forenses são desenvolvidas 
com um alvo em específico
‣ Normalmente, mudanças estruturais são 
analisadas
‣ Ex.: Paletas de cores do formato de imagem GIF
79
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Estado da Arte
‣ [Popescu & Farid 2004b] analisam os efeitos de 
dupla quantização de imagens codificadas em 
formato JPEG
‣ Dupla quantização não implica ato malicioso
80
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Detecção de Dupla Compressão
‣ Dupla quantização pode ser representada como 
uma sequência de três passos
• Quantização de um sinal com um Passo b
• De-quantização com Passo b
• Quantização com Passo a
81
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Detecção de Dupla Compressão
‣ Se a/b não resulta em um valor inteiro, a dupla 
quantização insere artefatos periódicos no sinal
‣ Hipótese: a dupla quantização JPEG introduz 
artefatos específicos não presentes em imagens 
comprimidas uma única vez
82
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Detecção de Dupla Compressão
83
Sinal original gerado por uma Gaussiana padrão
Quantização com Passo 2
Dupla quantização. Passos 3 seguido de 2
Quantização com Passo 3
Dupla quantização. Passo 2 seguido de 3
© A. Popescu
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Detecção de Dupla Compressão
‣ [Popescu & Farid 2004b] propõem uma 
abordagem para detectar os “picos” e “vales”
‣ O algoritmo consiste em estimar a matriz de 
quantização JPEG
‣ Após a estimativa busca-se por “picos” e “vales” 
nos histogramas dos sinais
84
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Detecção de Dupla Compressão
‣ Quais os problemas com a detecção de dupla 
quantização JPEG?
• Recorte
• Compressões de alta qualidade seguidas de 
compressões de baixa qualidade
85
Acabou?
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Abordagens Adicionais
‣ Autenticação de imagens
• Dada uma imagem, queremos dizer apenas se 
esta é autêntica, ou seja, é idêntica à imagem 
que foi capturada ou se sofreu qualquer 
modificação 
87
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Abordagens Adicionais
‣ [Kee & Farid 2010]apresentam uma abordagem 
para autenticação de imagens baseado em 
análise de thumbnails
‣ Um thumbnail é uma representação icônica de 
uma imagem de alta resolução com uma 
resolução reduzida
88
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Abordagens Adicionais
‣ Dada uma imagem, os autores geram um thumbnail 
a partir de uma série de operações
• recorte
• pré-filtragem
• redimensionamento
• ajuste de brilho & contraste
• compressão JPEG etc.
89
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Abordagens Adicionais
‣ Os autores comparam thumbnails gerados com 
diversos thumbnails conhecidos
‣ Diferenças nessa comparação podem apontar se 
uma imagem é autêntica ou se foi processada, de 
algum modo, em um software de edição 
conhecido (e.g., Gimp, Adobe Photoshop, etc. )
90
Desafios
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Desafios
‣ Avaliação de performance e benchmarking
‣ Abordagens apresentam (principalmente) 
provas de conceito
‣ Conjuntos de dados precisam ser criados e 
compartilhados
‣ Aspectos de Robustez (Ataques) precisam ser 
discutidos
92
Algumas 
Conclusões em AFD
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Conclusões
‣ A área de Análise Forense de Documentos está 
em seu início
‣ Diversos e fascinantes problemas em aberto
‣ Técnicas contra-forenses são positivas para a 
evolução da área
‣ Arm’s race
94
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Conclusões
‣ Esforços multi-disciplinares
• Propriedades físicas de equipamentos de captura 
e suas propriedades estatísticas
• Mineração, indexação, clusterização e resumo de 
dados (Bancos de Dados)
• Análise de padrões, aprendizado e heurísticas 
(Inteligência Artificial)
95
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Conclusões
‣ Esforços multi-disciplinares
• Proc. de Imagens e Vídeos e Visão 
Computacional
• Teoria da Computação para desenvolvimento de 
abordagens eficientes e computacionalmente 
viáveis
• etc.
96
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Conclusões
Um trabalho colaborativo e multi-disciplinar, com a 
utilização de diversas áreas do conhecimento, bem 
como a conscientização crítica de pesquisadores e 
entusiastas podem nos conduzir um passo à frente
97
“
”
Referências
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Referências
1. [Avcibas et al. 2004] Avcibas, I., Bayram, S., Memon, N., Ramkumar, M. e Sankur, B. (2004). A classifier 
design for detecting image manipulations. In Intl. Conf. on Image Processing (ICIP), pp. 2645–2648, Singapore.
2. [Bayram et al. 2005a] Bayram, S., Avcibas, I., Sankur, B. e Memon, N. (2005a). Image manipulation detection 
with binary similarity measures. In European Signal Processing Conf. (EUSIPCO), pp. 752–755, Antalya, Turkey.
3. [Bayram et al. 2005b] Bayaram, S., Sencar, H., Memon, N. e Avcibas, I. (2005b). Source camera identification 
based on CFA interpolation. In Intl. Conf. on Image Processing (ICIP), Genova, Italy.
4. [Bayram et al. 2006] Bayram, S., Avcibas, I., Sankur, B. e Memon, N. (2006). Image manipulation detection. 
Journal of Electronic Imaging (JEI), 15(4):1– 17.
5. [Fridrich et al. 2003] Fridrich, J., Soukal, D. e Lukas, J. (2003). Detection of copy-move forgery in digital 
images. In Digital Forensic Research Workshop (DFRWS), Cleveland, USA.
6. [He et al. 2004] He, J., Lin, Z., Wang, L. e Tang, X. (2006). Detecting doctored JPEG images via DCT coefficient 
analysis. In European Conf. on Computer Vision (ECCV), pp. 423–435.
7. [Kee & Farid 2010] Kee, E e Farid, H. (2010). Digital image authentication from thumbnails. In SPIE Symposium on 
Electronic Imaging, San Jose, USA.
99
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Referências
8. [Johnson & Farid 2005] Johnson, M. K. e Farid, H. (2005). Exposing digital forgeries by detecting inconsistencies in 
lighting. In ACM Multimedia and Security Workshop, New York, USA.
9. [Johnson 2007] Johnson, M. K. (2007). Lighting and Optical Tools for Image Forensics. PhD thesis, Dep. of Computer 
Science – Dartmouth College, Hanover, USA.
10. [Johnson & Farid 2007b] Johnson, M. K. e Farid, H. (2007b). Exposing digital forgeries through specular highlights on 
the eye. In Intl. Workshop in Infor- mation Hiding (IHW), Saint Malo, France.
11. [Lin et al. 2005] Lin, Z., Wang, R., Tang, X. e Shum, H.-Y. (2005). Detecting doctored images using camera 
response normality and consistency. In Intl. Conf. on Computer Vision and Pattern Recognition (CVPR), New York, USA.
12. [Lukas et al. 2007] Lukas, J., Fridrich, J. e Goljan, M. (2007). Detecting digital image forgeries using sensor pattern 
noise. In SPIE Photonics West.
13. [Lyu & Farid 2005] Lyu, S. e Farid, H. (2005). How realistic is photorealistic? IEEE Transactions on Signal Processing 
(TSP), 53(2):845–850.
14. [Ng & Chang 2004] Ng, T.-T. e Chang, S.-F. (2004). Blind detection of photo-montage using higher order statistics. In 
Intl. Symposium on Circuits and Systems (ISCAS), pp. 688–691, Vancouver, Canada.
100
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Referências
15. [Nillius & Eklundh 2001] Nillius, P. e Eklundh, J.-O. (2001). Automatic estimation of the projected light source 
direction. In Intl. Conf. on Computer Vision and Pattern Recognition, pp. 1076–1082, Hawaii, US. IEEE.
16. [Popescu 2004] Popescu, A. C. (2004). Statistical Tools for Digital Image Forensics. Phd thesis, Dep. of Computer 
Science – Dartmouth College, Hanover, USA.
17. [Popescu & Farid 2004a] Popescu, A. C. e Farid, H. (2004a). Exposing digital forgeries by detecting duplicated image 
regions. Relatório Técnico TR 2004- 515, Dep. of Computer Science - Dartmouth College, Hanover, USA.
18. [Popescu & Farid 2004b] Popescu, A. C. e Farid, H. (2004b). Statistical tools for digital forensics. In Intl. Workshop 
in Information Hiding (IHW), Toronto, Canada.
19. [Shi et al. 2007] Shi, Y. Q., Chen, C. e Chen, W. (2007). A natural image model approach to splicing detection. In 
ACM Multimedia and Security Workshop, pp. 51–62, Dallas, USA.
101
Próximos
Capítulos
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Próximos Capítulos
‣ Detalhamento de técnicas selecionadas
‣ Tentaremos ver, pelo menos, uma técnica de 
cada assunto em detalhes
‣ Temas para os projetos
• Abordagens selecionadas nas aulas
• Tópicos complementares à disciplina
103
Obrigado!