PRNU - Photo Response Non
Transcription
PRNU - Photo Response Non
PRNU Photo Response Non-Uniformity Hugo Mathias Jérémie Piellard MMIS 2A avril 2013 Hugo Mathias, Jérémie Piellard (Ensimag) PRNU avril 2013 1 / 21 Plan 1 Introduction Motivation Photo Response Non-Uniformity 2 Méthode d’identification d’un appareil Modèle pour l’étude du PRNU Estimation du PRNU Comparaison des PRNU 3 Un exemple Comparaison entre caméras Hugo Mathias, Jérémie Piellard (Ensimag) PRNU avril 2013 2 / 21 Plan 1 Introduction Motivation Photo Response Non-Uniformity 2 Méthode d’identification d’un appareil Modèle pour l’étude du PRNU Estimation du PRNU Comparaison des PRNU 3 Un exemple Comparaison entre caméras Hugo Mathias, Jérémie Piellard (Ensimag) PRNU avril 2013 3 / 21 Motivation A quoi ca sert ? ? Empreinte digitale unique pour caméras / Appareils photos Utilisé pour piratage de films / pedo-pornographie Fiable, peu cher et rapide Hugo Mathias, Jérémie Piellard (Ensimag) PRNU avril 2013 4 / 21 Plan 1 Introduction Motivation Photo Response Non-Uniformity 2 Méthode d’identification d’un appareil Modèle pour l’étude du PRNU Estimation du PRNU Comparaison des PRNU 3 Un exemple Comparaison entre caméras Hugo Mathias, Jérémie Piellard (Ensimag) PRNU avril 2013 5 / 21 Photo Response Non-Uniformity PRNU : bruit parasite de faible puissance dû aux défauts de l’appareil Figure – Exemple de PRNU dû à un défaut de capteur Hugo Mathias, Jérémie Piellard (Ensimag) PRNU avril 2013 6 / 21 Photo Response Non-Uniformity PRNU : bruit parasite de faible puissance dû aux défauts de l’appareil Figure – Exemples de PRNU dû à des défauts optiques Hugo Mathias, Jérémie Piellard (Ensimag) PRNU avril 2013 7 / 21 Photo Response Non-Uniformity → Un PRNU peut être commun à toute une gamme d’appareils MAIS en plus de cela, chaque appareil a un PRNU qui lui est propre ! Ce PRNU est : stable dans le temps assez résistant à la compression avec pertes On voudra identifier un appareil en particulier à partir d’images ou de vidéos capturées par cet appareil. Hugo Mathias, Jérémie Piellard (Ensimag) PRNU avril 2013 8 / 21 Plan 1 Introduction Motivation Photo Response Non-Uniformity 2 Méthode d’identification d’un appareil Modèle pour l’étude du PRNU Estimation du PRNU Comparaison des PRNU 3 Un exemple Comparaison entre caméras Hugo Mathias, Jérémie Piellard (Ensimag) PRNU avril 2013 9 / 21 Modèle pour l’étude du PRNU Ifinale = Iideale × (1 + γK ) + Φ avec Ifinale,ideale : γ: K: Φ: matrices scalaire, correction gamma matrice, PRNU matrice, bruit indépendant du PRNU Hugo Mathias, Jérémie Piellard (Ensimag) PRNU avril 2013 10 / 21 Plan 1 Introduction Motivation Photo Response Non-Uniformity 2 Méthode d’identification d’un appareil Modèle pour l’étude du PRNU Estimation du PRNU Comparaison des PRNU 3 Un exemple Comparaison entre caméras Hugo Mathias, Jérémie Piellard (Ensimag) PRNU avril 2013 11 / 21 Estimation du PRNU : principe Hugo Mathias, Jérémie Piellard (Ensimag) PRNU avril 2013 12 / 21 Estimation du PRNU : fiabilité (expérimental) la qualité d’estimation du PRNU est proportionnelle au nombre d’images ; pour la vidéo, une estimation fiable requiert au minimum : en 640x480 : 40 secondes à 450 kB/s en 360x240 : 10 minutes à 150 kB/s Hugo Mathias, Jérémie Piellard (Ensimag) PRNU avril 2013 13 / 21 Plan 1 Introduction Motivation Photo Response Non-Uniformity 2 Méthode d’identification d’un appareil Modèle pour l’étude du PRNU Estimation du PRNU Comparaison des PRNU 3 Un exemple Comparaison entre caméras Hugo Mathias, Jérémie Piellard (Ensimag) PRNU avril 2013 14 / 21 Comparaison des PRNU Le but Décider si 2 images proviennent du même appareil Comment ? Soient Ka et Kb les 2 PRNU respectifs des 2 images. On calcule la corrélation croisée normalisée (NCC) entre Kˆa de Kˆb : C [u, v ] = corr (Kˆa [i, j], Kˆb [i − u, j − v ]) Theorem On décide que les 2 images proviennent d’un même capteur si et seulement si on observe un pic prononcé dans C[u,v] Hugo Mathias, Jérémie Piellard (Ensimag) PRNU avril 2013 15 / 21 Comparaison des PRNU Hugo Mathias, Jérémie Piellard (Ensimag) PRNU avril 2013 16 / 21 Comparaison des PRNU Problème : l’existence éventuelle de pics parasites Il faut les supprimer avant de calculer la NCC Pour ca on passe dans le domaine de Fourier à une "bonne" fréquence. Hugo Mathias, Jérémie Piellard (Ensimag) PRNU avril 2013 17 / 21 Plan 1 Introduction Motivation Photo Response Non-Uniformity 2 Méthode d’identification d’un appareil Modèle pour l’étude du PRNU Estimation du PRNU Comparaison des PRNU 3 Un exemple Comparaison entre caméras Hugo Mathias, Jérémie Piellard (Ensimag) PRNU avril 2013 18 / 21 Comparaison entre caméras Hugo Mathias, Jérémie Piellard (Ensimag) PRNU avril 2013 19 / 21 En résumé Estimation du PRNU sur 2 clips à comparer. Filtrage et NCC Detection de pics et conclusion Hugo Mathias, Jérémie Piellard (Ensimag) PRNU avril 2013 20 / 21 Sources I Mo Chen, Jessica Fridrich, Miroslav Goljan, Jan Lukáš Source Digital Camcorder Identification Using Sensor Photo Response Non-Uniformity . SUNY Binghamton, Binghamton, NY 13902–6000, USA Thomas Gloe, Stefan Pfennig, Matthias Kirchner Unexpected Artefacts in PRNU-Based Camera Identification : A ‘Dresden Image Database’ Case-Study . Source Camera Identification Using Image Sensor PRNU Pattern http ://www.commsp.ee.ic.ac.uk/ hmuammar/cameraprnu.html Hugo Mathias, Jérémie Piellard (Ensimag) PRNU avril 2013 21 / 21