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