Sayısal imgeler için PRNU ve CNN tabanlı bölgesel müdahale tespiti
Loading...
Date
2019-05-30
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Bursa Uludağ Üniversitesi
Abstract
Sayısal resimler üzerinde yapılan çeşitli oynamaları tespit edebilmek, gelişen yazılımların karmaşıklığından ötürü oldukça zorlaşmaktadır. Bu karmaşıklığa çözüm olarak klasik müdahale tespiti yöntemlerine ek olarak son yıllarda evrişimsel sinir ağı tabanlı yöntemler geliştirilmiştir. Böylelikle çok karmaşık müdahaleleri bile tespit edebilen ağlar eğitilebilmiştir. Bu makalede, küçük boyutlarda pencere kullanarak bölgesel müdahale tespiti yapabilen klasik yöntemlerden olan, kameranın kendisine ait olan sensörlerinden elde edilen parmakizini kullanan sensör tabanlı PRNU(Photo Response Non Uniformity) yöntemi ile yeni bir yaklaşım olan evrişimsel sinir ağı(CNN) tabanlı kamera model sınıflandırıcısı yöntemi karşılaştırılmıştır. Böylelikle hangi yöntemin daha başarılı olduğu detaylıca ortaya koyulmuştur. Toplamda 26 adet kamera modeli ve bu kamera modellerinden seçilen 96 x 96’lık piksel blokları ile eğitilen CNN modeli, hem 96 hem de 128’lik pencere boyutu kullanılarak çalışan PRNU yöntemi ile kıyaslanmıştır. Bu kıyaslama sonucunda bölgesel müdahale tespiti probleminde CNN tabanlı kamera model sınıflandırıcısının PRNU yöntemine göre daha başarılı olduğu gösterilmiştir.
Detecting various forgeries on digital images is becoming more difficult due to the complexity of developing software. As a solution to this complexity, in addition to conventional detection methods, convolutional neural network (CNN) based methods have been developed in recent years. Thus, networks capable of detecting even very complex interventions could be trained. In this paper, a new approach to the convolutional neural network (CNN) based camera model classifier method is compared with the sensor-based PRNU (Photo Response Non Uniformity) method, which is one of the classical methods that can detect local detection using small-scale windows. Thus, which method is more successful is revealed in detail. A total of 26 camera models and the CNN model, which was trained with 96 x 96 pixel blocks selected from these camera models, was compared with the PRNU method using both the 96 and 128 window size. As a result of this comparison, CNN based camera model classifier has been shown to be more successful than PRNU method in the local tamper detection problem.
Detecting various forgeries on digital images is becoming more difficult due to the complexity of developing software. As a solution to this complexity, in addition to conventional detection methods, convolutional neural network (CNN) based methods have been developed in recent years. Thus, networks capable of detecting even very complex interventions could be trained. In this paper, a new approach to the convolutional neural network (CNN) based camera model classifier method is compared with the sensor-based PRNU (Photo Response Non Uniformity) method, which is one of the classical methods that can detect local detection using small-scale windows. Thus, which method is more successful is revealed in detail. A total of 26 camera models and the CNN model, which was trained with 96 x 96 pixel blocks selected from these camera models, was compared with the PRNU method using both the 96 and 128 window size. As a result of this comparison, CNN based camera model classifier has been shown to be more successful than PRNU method in the local tamper detection problem.
Description
Keywords
Lokal müdahale tespiti, Evrişimsel sinir ağı, PRNU, Oynanmış bölge tespiti, Kamera model sınıflandırıcısı, Derin öğrenme, Local tamper detection, Convolutional neural network, Image forgery, Camera model classifier, Deep learning
Citation
Poyraz, A. G. (2019). "Sayısal imgeler için PRNU ve CNN tabanlı bölgesel müdahale tespiti". Uludağ Üniversitesi Mühendislik Fakültesi Dergisi, 24(2), 311-324.