Camera identification based on PRNU analysis

• Authors: Trusz Paweł

Title variants

PL

Identyfikacja aparatu fotograficznego na podstawie analizy szumu matrycy PRNU

• Languages of publication: EN PL

Abstracts

EN

This article presents a method for source camera identification based on PRNU (photo response non-uniformity) analysis. Considering the imperfections during the manufacturing process, in practice it is not possible to produce two identical sensors. This is connected, among others, with tolerances during manufacture process. That’s why, the PRNU parameter can be treated as a specific “camera fingerprint”, which is individual for every sensor. During this researches, 33 cameras were analyzed, and divided into 5 groups (the criterion was the camera model). The main goal of analysis were determining if individual identification of a camera from a group of devices it’s possible. The PCE (Peak to Correlation Energy) correlation coefficient higher than 50 was criterion for correct linked between camera and questioned files. Analyzed images was not edited, and have the same technical parameters like questioned files. Moreover reference files was made in similar conditions like evidence photos. Analysis were provided of couple of the same cameras like evidence device. Conclusion was, that we can identify specific camera model using PRNU analysis, however, some of condition should be performed, among others, analyzed a couple of the same device like suspect camera, quality of analyzed evidence files, quantity of correlation coefficient.

PL

W artykule zaprezentowano metodę identyfikacji aparatu fotograficznego na podstawie analizy szumu matrycy PRNU (ang. photo response non-uniformity). Zważając na niedoskonałości podczas procesu produkcyjnego matryc, w praktyce nie jest możliwe wyprodukowanie dwóch sensorów o takich samych właściwościach. Dzieje się tak chociażby ze względu na stosowanie pewnego zakresu tolerancji podczas ich wytwarzania. Parametr PRNU może być zatem traktowany jako swoisty „odcisk palca sensora”, będący jego indywidualną cechą. Podczas zrealizowanych badań analizom poddano 33 egzemplarze aparatów fotograficznych, które podzielono na pięć grup (kryterium podziału stanowił model aparatu fotograficznego). Wykonane analizy miały na celu określenie, czy jest możliwa indywidualna identyfikacja aparatu fotograficznego z grupy urządzeń tego samego modelu. Jako kryterium oceny i prawidłowego wskazania określono współczynnik korelacji PCE (ang. peak to correlation energy) większy od 50. Analizowano zdjęcia niepoddane edycji, wykonane w warunkach zbliżonych do zdjęć kwestionowanych oraz charakteryzujące się takimi samymi parametrami technicznymi. Ze względów statystycznych badania wykonywano na co najmniej kilku egzemplarzach tego samego urządzenia. Po wykonaniu eksperymentów stwierdzono, że możliwa jest identyfikacja indywidualna aparatu fotograficznego, jednakże, uwzględniając jakościowy charakter przedmiotowych badań, na formułowanie wniosków końcowych wpływ ma m.in. próba, na której dokonano analiz, jakość materiałów dowodowych oraz otrzymane wartości współczynnika korelacji

Keywords

EN

source camera identification; PRNU (photo response non-uniformity); PCE (Peak to Correlation Energy) FSTV (First step Total Variation); digital signal processing

PL

identyfikacja aparatu fotograficznego wzorzec szumu PRNU; współczynnik korelacji PCE; algorytm FSTV; przetwarzanie obrazów cyfrowych

• Publisher: Agencja Bezpieczeństwa Wewnętrznego
• Journal: Przegląd Bezpieczeństwa Wewnętrznego
• Year: 2019
• Volume: 11
• Issue: 21
• Pages: 393-413

Dates

published

2019-11-29

Contributors

author

Trusz Paweł

• funkcjonariusz Agencji Bezpieczeństwa Wewnętrznego

References

• Alles E., Geradts Z., Veenman C., Source Camera Identification for Low Resolution Heavily Compressed Images, International Conference on Computational Sciences and its Applications ICCSA, 2008.
• Baar T., Houten W., Geradts Z., Camera identification by grouping images from database, based on shared noise patterns, ArXiv, 2012.
• Brouwers M., Mousa R., Automatic comparison of photo response non uniformity (PRNU) on Youtube, „System and Network Engineering”, styczeń 2017.
• Georgievska S. i in., Clustering Image Noise Patterns by Embedding and Visualization for Common Source Camera Detection, „Digital Investigation” 2017, nr 23, s. 22–30.
• Goljan M., Fridrich J., Camera Identification from Cropped and Scaled Images, “Proceedings of SPIE „The International Society for Optical Engineering” 2008.
• Goljan M.i in., Large scale test of sensor fingerprint camera identification, Conference Paper in „Proceedings of SPIE – The International Society for Optical Engineering” 2009.
• Goljan M., Chen M., Comesaña P., Fridrich J., Effect of Compression on Sensor-Fingerprint Based Camera Identification, IS&T Electronic Imaging: Media Watermarking, Security and Forensics, Fan Francisco 2016.
• Hornsey R., Noise in Image Sensors, https://ece.uwaterloo.ca/~ece434/Winter2008/Noise.pdf [dostęp: 17 I 2019].
• Kalaimannan E. i in., Source anonymization of digital images: a counter-forensic attack on prnu based source identification techniques, ADFSL Conference on Digital Forensics, Security and Law, 2017.
• Khapare A., Phalke D., Source Camera Based Image Retrieval From Internet Using Simplified Total Variation, „International Journal of Advance Engineering and Research Development” 2017, nr 4, s. 420–425.
• Korzystanie z telefonów komórkowych, komunikat z badań nr 99/2017, Warszawa 2017, Centrum Badania Opinii Społecznej.
• Meij Ch., Geradts Z., Source camera identification using Photo Response Non-Uniformity on WhatsApp, „Digital Investigation” 2018, nr 24, s. 142–145.
• Mikowska M., Skalna A., Siwiński K., POLSKA.JEST.MOBI 2018, rozdział: Smartfonizacja w Polsce w 2018 roku, raportu przygotowany we współpracy z KANTAR TNS, 4. edycja. Raport jest dostępny także pod adresem: POLSKA_JEST_MOBI_2018.pdf.
• Parzych J., Hulewicz A., Krawiecki Z., Matryce światłoczułe – właściwości, parametry, zastosowania,„Electrical Engineering” 2017, nr 92, s. 189–203.
• Trusz P., Wybrane metody poprawy jakości obrazów i sekwencji wideo, „Problemy Kryminalistyki” 2016, nr 294, s. 40–51.
• Werkhoven B. i in., A Jungle Computing approach to common image source identification in large collections of images, „Digital Investigation” 2018, nr 27, s. 3–16.

Identifiers

ISSN

2080-1335