• Português
  • English
  • Español
  • Técnicas de Forense Digital – Balística de Câmeras

    Por: em 18 de dezembro de 2017

    Visão Computacional é uma área de pesquisa importante na atualidade, que utiliza técnicas de análise de imagens e aprendizado de máquina em conjunto, criando aplicações variadas, como reconhecimento de faces e objetos, inspeção automatizada de linhas de produção, detecção de eventos, detecção de presença, veículos autônomos, vigilância de áreas públicas, etc. Dentre as aplicações, há um conjunto de técnicas que busca obter provas sobre crimes envolvendo arquivos digitais. Essa subárea é conhecida como forense digital.

    Planejamos uma série de artigos relacionados a técnicas de forense digital, entre elas: balística de câmera, detecção de colagem de fotos e adulteração de documentos digital. Nesse artigo, iremos falar sobre balísticas de câmeras.

    O problema

    Com a popularização da Internet e facilidade de captura, edição e distribuição de conteúdo, ocorreu um aumento no número de casos de distribuição ilegal de material, que vai desde músicas e filmes até conteúdo de violência, pornografia e material relacionado a terrorismo. Em ambos os casos, há dois tipos de crime: o armazenamento e distribuição de material ilegal; a captura e produção de material ilegal, que é considerado um crime em muitos países do mundo. Pense no seguinte caso: um filme que acabou de estrear nos cinemas é gravado, utilizando uma câmera profissional, e distribuído pela rede. Fazer o download desse filme, é considerado uma infração, passível de advertências e multas leves. Entretanto, o gravar o filme e distribuir é considerado crime de pirataria, para o qual as penas são mais severas. Pensando em crimes mais graves, como possuir material de pornografia infantil, é muito importante diferenciar aqueles que possuem o material daqueles que produzem o material, sendo esse último considerado crime hediondo. Nos casos de material ligado a terrorismo, é importante saber se um suspeito apenas possui o conteúdo no seu computador ou se ele foi o responsável por gerar o conteúdo.

    Como é possível diferenciar esses dois tipos de indivíduos?

    Todo arquivo digital possui informação EXIF (Exchangeable image file format), que são detalhes das condições de captura do material (data, hora, localização, nome do dispositivo, número de série, etc.). Porém, essa informação é facilmente adulterada, tornando menos viável o cruzamento de informações do arquivo com o autor. Outro detalhe é que, quando alteramos um arquivo utilizando um editor, parte das informações EXIF são atualizadas pelo editor, sobrescrevendo a informação original. Ainda mais, as imagens podem sofrer transformações (rotação e escala), ajustes (brilho, contraste e cores) e recortes. Todos esses fatores parecem tornar a atribuição de autoria das imagens quase impossível, certo? Para a infelicidades dos criminosos, esse “quase” faz toda a diferença.

    É comum vermos, principalmente em filmes e séries, os investigadores utilizando o padrão de ranhuras em uma bala disparada por arma de fogo para relacioná-la com o projétil encontrado em uma cena de crime. Esse padrão de estriamento de projéteis é único para cada arma e funciona como uma impressão digital.


    Comparação de estriamento entre dois projéteis disparados pela mesma arma de fogo.

     

    De maneira similar, um dispositivo de captura gera marcas únicas, conhecidas como artefatos de captura, no conteúdo capturado. Considerando imagens e vídeos capturados por câmeras, o processo de análise desses artefatos é conhecido como balística de câmeras. A seguir, descreveremos alguns detalhes do processo de obtenção desses artefatos, considerando o processo descrito em [1] e ilustrado em [4].

    Balística de Câmeras

    Considerando câmeras, os artefatos de captura mais relevantes são: distorções de lente; e ruído gerado por defeito de fabricação do sensor de captura, artefatos em tabelas de quantização JPEG e análise de pós-processamento da câmera. Nesse artigo, vamos focar em distorções de lente e defeitos no sensor de captura. Em ambos os casos, o processo de fabricação dos componentes e montagem da câmera são responsáveis por adicionar esse tipo de artefato nas fotos.

    No caso das lentes, podem haver áreas em que há curvas, ranhuras e pequenas bolhas que alteram o comportamento da luz entre o meio externo e o sensor, causando distorções nas imagens. Essas distorções podem passar despercebidas pelo sistema visual humano, mas fornecem informações relevantes sobre um dispositivo.

    Antes de falar sobre os problemas relacionados aos sensores de captura, precisamos explicar o processo de captura das cores e primeiro processamento da informação. Esse processo é conhecido como mosaico-demosaico. Os sensores de captura são formados por uma malha de pequenos fotosensores, sendo que cada um deles é especializado em captar uma das cores primárias da luz (vermelho, verde e azul). Então, antes da captura pelos sensores, a luz passa por um filtro de Bayer, que tem a aparência parecida com um tabuleiro de xadrez.


    Filtro de Bayer

    Como cada bloco contém a informação de apenas uma cor, devemos utilizar o valor dos blocos vizinhos para inferir o valor das componentes faltantes (demosaico). Esse cálculo normalmente é a média dos valores das componentes dos vizinhos. Assumindo que ocorrem falhas no processo de fabricação dos sensores e que alguns deles podem não funcionar adequadamente, podemos afirmar que cada câmera possui um padrão de ruído relacionado ao seu chip.

    Considerando o padrão de ruído das lentes e o dos sensores, podemos encontrar artefatos que relacionam uma câmera com uma fotografia. Mas como podemos obter o padrão de ruído da câmera? O processo de análise envolve encontrar o ruído não uniforme dos pixels. Para isso, devemos primeiro obter fotos de referência do dispositivo analisado. Essas fotos devem ser de algo com cor homogenia e distribuição de luz uniforme e, para esse propósito, utilizasse fotos do céu azul e sem nuvens. Após a captura, calculamos a média das K fotos:


    Em seguida, utilizamos um filtro de supressão / remoção de ruído, para extrair o padrão de ruído das imagens de referência (equação a seguir). Normalmente, é utilizada a técnica de wavelet denoising.


    Utilizamos a mesma supressão de ruído para obter o padrão de ruído da imagem que queremos atribuir a origem. Em seguida, podemos comparar a imagem em questão e o padrão de referência utilizando:


    Algumas das limitações do método proposto em [1] são relacionados a distorção, recortes e modificações de escala nas imagens. Porém, técnicas de aprendizado de máquina ajudam, como redes neurais convolucionais, nos ajudam a encontrar padrões e relacionar uma câmera a uma imagem mesmo que sejam realizadas transformações na fotografia original [5].

    Referências

    [1] Lukas, J., Fridrich, J. e Goljan, M. (2006). Digital camera identification from sensor noise sensor. IEEE Transactions on Information Forensics and Security (TIFS), 1(2):205-214.

    [2] Kharrazi, M., Sencar, H. e Memon, N. (2004). Blind source camera identification. In Intl. Conf. on Image Processing (ICIP), Singapore.

    [3] Popescu, A. C. (2004). Statistical Tools for Digital Image Forensics. Phd thesis, Dep. of Computer Science – Dartmouth College, Hanover, USA.

    [4] Material de aulas da disciplina Forense Digital, elaborado pelo professor Anderson Rocha. http://www.ic.unicamp.br/~rocha/teaching/

    [5] Median Filtering Forensics Based on Convolutional Neural Networks. Chen, J.,  Kang, X.,  Liu, Y; Wang, Z.J. IEEE Signal Processing Letters ( Volume: 22, Issue: 11, Nov. 2015 ), pg 1849 – 1853

    18 de dezembro de 2017

    Filtre por mês

    Filtre por autor