La respuesta corta
Sí, es posible hacer coincidir una foto con la cámara discreta con la que se tomó (sin metadatos) y también es bastante confiable. La técnica está disponible en algunos productos de software, uno de ellos es Amped Authenticate , producido por Amped Software (descargo de responsabilidad: soy el CEO y Fundador de la compañía).
La idea basica
La idea básica es que cada dispositivo deja una "huella digital de ruido" diferente en cada foto que produce. Este componente se llama PRNU (no respuesta a la uniformidad de la foto) y ha sido ampliamente estudiado en la literatura. Se ha demostrado que es:
- constante en el tiempo
- sobretemperatura constante, independiente de otros ajustes de la cámara (exposición, enfoque, etc.)
- bastante robusto a la recompresión (hasta alrededor de la calidad JPEG 5-60%)
- bastante robusto a los ajustes de intensidad y color (contraste, brillo ...)
- bastante robusto a las modificaciones locales (es decir, si una parte de la imagen ha sido manipulada, la imagen en su conjunto aún se reconoce como proveniente de una cámara específica)
Sin embargo, no funciona correctamente en estas situaciones:
- si la imagen se ha recortado o tiene zoom digital, ya que tomaría solo una parte del sensor y no toda su área (esto podría resolverse, pero no sería robusto cambiar el tamaño)
- para mejoras muy fuertes
- para imágenes muy oscuras o muy brillantes, ya que el ruido no está presente en estas áreas)
Como funciona
Para extraer la PRNU de la imagen, básicamente debe extraer un componente específico del ruido. Puede hacerlo eliminando el ruido de la imagen y restandole la imagen original. En la literatura se recomienda usar filtros Wavelet, pero incluso con filtros más simples y rápidos puede obtener resultados similares.
Prácticamente hablando, el procedimiento se realiza de la siguiente manera:
Debe crear el Patrón de referencia de cámara (CRP) : esto se hace extrayendo la PRNU de algunas imágenes de su dispositivo de prueba. Para obtener los mejores resultados, se recomienda utilizar aproximadamente 30-50 imágenes con el menor detalle posible y no demasiado oscuro o demasiado blanco y hacer un promedio de píxel por píxel. Llamemos a estas imágenes de referencia . Si tiene la cámara, puede sacar imágenes fuera de foco de una pared o del cielo. Si no tiene la cámara, puede tomar fotos generales, pero probablemente necesitará más para filtrar los detalles con un promedio.
Luego puede extraer la PRNU de la imagen bajo análisis y calcular la correlación con el CRP . Cuanto mayor sea la correlación, mayor será la probabilidad de que la imagen provenga de la misma cámara.
Puede clasificar automáticamente las imágenes calculando un umbral para la correlación: las imágenes con una correlación superior al umbral tendrán una alta probabilidad de provenir de la cámara; de lo contrario, probablemente provengan de un dispositivo diferente.
El umbral se puede obtener calculando la correlación para:
- imágenes procedentes del mismo dispositivo (positivo)
- imágenes procedentes de otro modelo de cámara (negativo)
- imágenes procedentes de otro ejemplar del mismo modelo de cámara (negativo)
En general, es probable que los conjuntos positivos y los conjuntos negativos no estén perfectamente separados, por lo que debe establecer un equilibrio deseado entre falsos positivos y falsos negativos que desee obtener de un caso a otro.
Si se usa apropiadamente, se ha demostrado que el método es muy confiable, aunque se ha demostrado que es posible encontrar dos ejemplos del mismo modelo con PRNU muy similar. Esto puede suceder, por ejemplo, si el sensor de los dos dispositivos se produjo a partir de la misma oblea de silicio. Es una posibilidad remota, pero sigue siendo una posibilidad.
Como ejemplo, esta imagen a continuación es la PRNU extraída de una imagen sin contenido significativo (imagen desenfocada de una pared).
Manipulación
La correlación PRNU también se puede aplicar localmente para detectar la manipulación de las imágenes. La idea es calcular la PRNU en una ventana deslizante de nxn píxeles a través de la imagen para crear un mapa de correlación. Las áreas con baja correlación tendrán una alta probabilidad de haber sido objeto de manipulación.
La imagen a continuación representa un ejemplo de una imagen que se analiza.
A continuación se muestra el resultado de la correlación en bloque de CRP con la PRNU extraída de la imagen. El área blanca representa las áreas más susceptibles de ser manipuladas, donde el ruido es inconsistente. En el centro del escritorio hay una clara señal de manipulación.
De hecho, esta es la imagen original, de donde se ha quitado un arma.
Referencias
Hay innumerables artículos que analizan la PRNU desde diferentes puntos de vista, pero estos son probablemente los más importantes:
- J. Lukas, J. Fridrich y M. Goljan, "Identificación de la cámara digital del ruido del sensor", IEEE Transactions on Information Security and Forensics, pp. 205-214, 2006.
- Mo Chen, J. Fridrich y M. Goljan, "Identificación del sensor de imagen digital (estudio adicional)", Actas. de SPIE Electronic Imaging, Security, Steganography and Watermarking of Multimedia Contents, pp. 0P-0Q, 2007.
Resumen
La tecnología para distinguir imágenes provenientes de diferentes cámaras, incluso si son de la misma marca y modelo, existe y está bastante establecida en la comunidad académica y forense. Hay algunos productos de software disponibles en el mercado que le permiten hacerlo con relativa facilidad y también evaluar la autenticidad de la imagen con un proceso similar.