Robuste Medianfilter-Forensik mittels eines autoregressiven Modells

Um die Authentizität digitaler Bilder zu überprüfen, haben Forscher begonnen, digitale forensische Techniken zu entwickeln, um Bildbearbeitung zu identifizieren. Eine Bearbeitungsoperation, die in letzter Zeit verstärkt in den Fokus gerückt ist, ist das Medianfiltering. Während mehrere Techniken zur Erkennung von Medianfiltern kürzlich entwickelt wurden, wird ihre Leistung durch JPEG-Kompression beeinträchtigt. Diese Techniken leiden unter ähnlichen Leistungseinbußen, wenn ein kleines Fenster des Bildes analysiert wird, wie es bei lokalisiertem Filtern oder Schnitt-und-Wiedereinfügen erkannt wird, anstatt das gesamte Bild zu betrachten. In diesem Papier schlagen wir eine neue, robuste forensische Technik zur Medianfilterung vor. Sie funktioniert, indem sie die statistischen Eigenschaften des Medianfilter-Rests (MFR) analysiert, den wir als den Unterschied zwischen einem fraglichen Bild und einer mediangefilterten Version desselben definieren. Um die statistischen Eigenschaften des MFR zu erfassen, passen wir es an ein autoregressives (AR) Modell an. Wir nutzen dann die AR-Koeffizienten als Merkmale zur Erkennung von Medianfiltern. Wir testen die Effektivität unserer vorgeschlagenen Erkennungstechniken für Medianfilter durch eine Reihe von Experimenten. Diese Ergebnisse zeigen, dass unsere vorgeschlagene forensische Technik wichtige Leistungssteigerungen im Vergleich zu bestehenden Methoden erzielen kann, insbesondere bei niedrigen falsch-positiven Raten, mit einer sehr kleinen Dimension der Merkmale.