Las imperfecciones del sensor son perfectas para el análisis de cámaras forenses

En un proyecto destinado a desarrollar herramientas inteligentes para luchar contra la explotación infantil, los informáticos de la Universidad de Groningen han desarrollado un sistema para analizar el ruido producido por cámaras individuales. Esta información se puede usar para vincular un video o una imagen a una cámara en particular. Los resultados fueron publicados en las revistas SN Ciencias de la Computación el 4 de junio de 2022 y Sistemas Expertos con Aplicaciones el 10 de junio de 2022.

Holanda es el principal distribuidor de contenido digital que muestra abuso sexual infantil, según informó Internet Watch Foundation en 2019. Para combatir este tipo de abuso, se necesitan herramientas forenses que analicen el contenido digital para identificar qué imágenes o videos contienen niños sospechosos. abusar del contenido. Otra fuente de información sin explotar es el ruido en las imágenes o cuadros de video. Como parte de un proyecto de la UE, informáticos de la Universidad de Groningen, junto con colegas de la Universidad de León (España), han encontrado una manera de extraer y clasificar el ruido de una imagen o un video que revela la «huella digital» de la cámara. con el que se hizo.

«Se podría comparar con los surcos específicos de una bala disparada», dice George Azzopardi, profesor asistente en el grupo de investigación de Sistemas de Información del Instituto Bernoulli de Matemáticas, Ciencias de la Computación e Inteligencia Artificial de la Universidad de Groningen. Cada arma de fuego produce un patrón específico en la bala, por lo que los expertos forenses pueden hacer coincidir una bala encontrada en la escena del crimen con un arma de fuego específica, o vincular dos balas encontradas en diferentes escenas del crimen con la misma arma.

«Cada cámara tiene algunas imperfecciones en sus sensores integrados, que se manifiestan como ruido de imagen en todos los fotogramas pero son invisibles a simple vista», explica Azzopardi. Esto produce un ruido específico de la cámara. Gurú Bennabhaktula, Ph.D. estudiante tanto en Groningen como en la Universidad de León, desarrolló un sistema para extraer y analizar este ruido. «En el reconocimiento de imágenes, los clasificadores se utilizan para extraer información sobre las formas y texturas de los objetos en la imagen para identificar una escena», dice Bennabhaktula. «Usamos estos clasificadores para extraer el ruido específico de la cámara».

Creó un modelo computacional para extraer el ruido de la cámara de fotogramas de video filmados con 28 cámaras diferentes, tomados del conjunto de datos VISION disponible públicamente, y lo usó para entrenar una red neuronal convolucional. Posteriormente, probó si el sistema entrenado podía reconocer fotogramas realizados por la misma cámara. «Resultó que podíamos hacer esto con una precisión del 72 por ciento», dice Bennabhaktula. También señala que el ruido puede ser exclusivo de una marca de cámaras, de un tipo específico y de cámaras individuales. En otra serie de experimentos, logró una precisión del 99 por ciento al clasificar 18 modelos de cámaras utilizando imágenes del conjunto de datos de Dresden disponible públicamente.

Su trabajo formó parte de un proyecto de la UE, 4NSEEK, en el que científicos y organismos encargados de hacer cumplir la ley colaboraron para desarrollar herramientas inteligentes para ayudar a combatir la explotación infantil. Azzopardi dice que «cada grupo se encargó de desarrollar una herramienta forense específica». El modelo que fue creado por Bennabhaktula podría tener un uso tan práctico. «Si la policía encuentra una cámara en un sospechoso de abuso infantil, puede vincularla a imágenes o videos encontrados en dispositivos de almacenamiento».

El modelo es escalable, agrega Bennabhaktula. «Al usar solo cinco cuadros aleatorios de un video, es posible clasificar cinco videos por segundo. El clasificador utilizado en el modelo ha sido utilizado por otros para distinguir más de 10,000 clases diferentes para otras aplicaciones de visión por computadora». Esto significa que el clasificador podría comparar el ruido de decenas de miles de cámaras. El proyecto 4NSEEK ya ha finalizado, pero Azzopardi sigue en contacto con especialistas forenses y fuerzas del orden para continuar con esta línea de investigación. «Y también estamos trabajando en la identificación de la similitud de origen entre un par de imágenes, que tiene diferentes desafíos. Eso formará nuestro próximo artículo sobre este tema».