МЕТОДЫ ИССЛЕДОВАНИЯ ЦИФРОВЫХ ФОТОГРАФИЙ В ЦЕЛЯХ ВЫЯВЛЕНИЯ ВМЕШАТЕЛЬСТВА В ИСХОДНОЕ ИЗОБРАЖЕНИЕ

METHODS OF STUDYING DIGITAL PHOTOGRAPHS IN ORDER TO DETECT INTERFERENCE WITH THE ORIGINAL IMAGE

Sofia Chuvagina

3rd year student of the specialty, Department of Forensic Examination, Faculty of Law, Nizhny Novgorod State University named after N.I. Lobachevsky,

Russia, Nizhny Novgorod

Viktor Sharov

scientific supervisor, Doctor of Law, Professor of the Department of Forensic Examination Lobachevsky State University, Professor of Department of Mathematics, Informatics and Information Technologies, Nizhny Novgorod Academy of the Ministry of Internal Affairs of Russia,

Russia, Nizhny Novgorod

АННОТАЦИЯ

Статья посвящена сложным и актуальным вопросам изучения содержания и выявления фактов редактирования цифровых фотографий. Сложность проблемы состоит в том, что преступники в своей противоправной деятельности, используют множество способов подделки, выявление которых одна из сложнейших задач судебной экспертизы. В статье проанализирован целый ряд методов обнаружения вмешательства в цифровое изображение, такие как: метод на основе проверки метаданных, метод обнаружения клонов, анализ уровня ошибок и другие. Так же их применимость для решения экспертных задач.

ABSTRACT

The article is devoted to complex and topical issues of studying the content and identifying the facts of editing digital photos. The complexity of the problem lies in the fact that criminals in their illegal activities use many methods of forgery, the identification of which is one of the most difficult tasks of forensic examination. The article analyzes a number of methods for detecting interference in a digital image, such as: a method based on metadata verification, a method for detecting clones, an analysis of the error level, and others. As well as their applicability for solving expert problems.

Ключевые слова: Монтаж, подделка, вмешательство в цифровые изображения, методы подделки.

Keywords: Editing, forgery, interference with digital images, methods of forgery.

Экспертная практика свидетельствует о повышенном внимании судопроизводства к вопросам изучения содержания фотографических изображений. С появлением простого и дешевого программного обеспечения для редактирования фотографий, манипуляции с фотографиями стали обычной практикой. Теперь почти невозможно отличить поддельную версию фотографии и оригинальную, что в значительной степени влияет на надежность доказательственной базы.

Анализ экспертной практики показывает, что в последние годы непрерывно растет количество выполняемых экспертиз, задачами которых является исследование фотоматериалов. Этот вид экспертизы составляет около 20% из всех проводимых криминалистических экспертиз [3].

Для обнаружения вмешательства в изображения необходимо воспользоваться следующими методами:

1. Метод на основе проверки метаданных

Метаданные фото – это информация (EXIF данные), имеющаяся у каждой фотографии, вне зависимости от того, с какого устройства она была сделана. Метаданные дают информацию о собственнике снимка, дате и времени создания изображения, модели камеры и параметрах создания снимка, данные о геолокации.

В настоящий момент есть онлайн-сервисы, которые помогут установить параметры и сведения о фотографии и программы, позволяющие установить наличие вмешательства в фотографию благодаря, хранящимся метаданным снимка.

Разные форматы изображений включают разные типы метаданных. Некоторые форматы, такие как BMP, PPM и PBM, содержат очень мало информации. Напротив, формат JPEG обычно содержит широкий спектр информации, включая марку и модель камеры, информацию о фокусе и диафрагме, а также временные метки.

Особенностью метаданных является их упорядоченная структура. Базовые данные создаются одновременно с графическим файлом. Текстовое описание EXIF состоит из тегов. Каждый тег отвечает за параметр и его значение. Есть определенный ряд стандартных тегов, которые есть у любого изображения. Но возможны и дополнительные теги, они уникальны для определенного производителя. EXIF легко поддаётся редактированию. Существуют даже онлайн-сервисы для изменения съёмочных параметров. Поэтому данные EXIF могут выступать справочной, но не абсолютно объективной информацией. По метаданным не всегда возможно определить было ли вмешательство в исходное изображение. Это происходит по тому, что может случиться несовпадение тега с определением [2].

Данные можно посмотреть непосредственно на устройстве, сделавшем фотографию или в системе Windows. Но в этом случае информация о метаданных будет не полной. Для просмотра полных метаданных изображения удобно воспользоваться следующим ресурсом http://exif.regex.info/ или фоторедакторами, такими как: Adobe Photoshop или Adobe Lightroom.

При минимальном изменении фотографии в стороннем приложении или редакторе информация о времени и дате, производителе фото и т.д. будет отсутствовать. Исследование EXIF файла будет полезным в том случае, когда на экспертизу поступает оригинал изображения. Данный метод не является достоверным и может использоваться, скорее как вспомогательный, нежели основной. При производстве экспертизы изображений проверка метаданных должна быть первой стадией.

2. Метод обнаружения клонов (Clone Detection)

Клонирование – подделка изображения, при которой часть изображения копируется и перемещается на другую часть этого же изображения. Этот прием используется, например, для скрытия других объектов, которые зритель не должен видеть. Обнаружить клон очень сложно, поскольку клонированная область может быть расположена в любом месте и иметь любую форму и размер. При поиске клонов необходимо сравнить все дублирующиеся элементы на фотографии. На данный момент существуют специальные программы и сайты, которые показывают клонированные участки изображений.

 Склейка – основывается на том, что часть одного изображения копируется и наслаивается на другое. Чаще всего в практике используется именно склейка изображений. Поскольку соединенные части берутся из разных изображений, которые могли быть взяты из разных условий освещения, необходимо с помощью увеличения изображения изучать освещение, контрастность и фон. Если изображение было изменено, то несовпадение, в первую очередь, освещения проявятся.  

Возможно прямое сравнение фрагментов изображения, но лучше всего этот метод использовать в паре с анализом уровня ошибок. Тогда результат будет более достоверный.

Анализ изображения на содержание клонированного объекта нужно произвести в первую очередь зрительно. Необходимо изучить все части изображения при максимально возможном увеличении. Если есть сомнения, следует воспользоваться специальными программами для обнаружения клонов на фотографиях. Обратим внимание не только на функцию поиска клонов, которая не всегда может точно показать скопированный объект, но и на метод анализа цифровых шумов. На Рис. 4. розовыми линиями показано, откуда был скопирован объект. Рис. 3. говорит о шумовой картине изображения. При анализе шума становится заметно появление темной обводки вокруг тени гильзы. Из этого можно сделать вывод, о содержании клона, так как тени других гильз никак не выделяются.

3. Анализ уровня ошибок (Error Level Analysis)

Анализ уровня ошибок (ELA) позволяет идентифицировать области в изображении с различными уровнями сжатия. ELA работает путем повторного сохранения изображения при 95% -ном сжатии и оценки разницы с оригиналом. JPEG - это метод сжатия с потерями для цифровых изображений. Каждое изображение состоит из пикселей красного, синего и зеленого цветов, которые сжимаются в сетки 8^х8. ELA оценивает качество квадратов сеток изображения. Если изображение не было обработано, то все его части были сохранены одинаковое количество раз. Измененное изображение будет показывать различное число ошибок.

С изображениями в формате JPEG, вся фотография должна быть примерно на одном уровне сжатия. Если часть изображения имеет существенно другой уровень ошибки, то это, указывает на цифровую модификацию. Суть метода заключается в изучении изображения и поиске высококонтрастных или низкоконтрастных краев изображения, а так же различных поверхностей и текстур. Сравниваются различные области изображения и выявляются подозрительные участки, которые могли быть изменены. Так в оригинале все низкоконтрастные края фотографии будут такими же яркими, как и высококонтрастные [4].

Черные и белые секции соответствуют частям, которыми обычно не манипулируют. Сплошные цвета обеспечивают хороший уровень сжатия с минимальными уровнями ошибок, отображая темные области на изображении. ELA выделяет измененные части изображения, которые представляют более высокие значения ELA, и ярко-белый цвет. В контуре объектов в высокочастотных областях они обычно имеют более высокие значения ELA, чем остальная часть изображения.

ELA дает ложный результат в том случае, если разные части изображения были повторно сохранены одинаковое количество раз. В этом случае все области имеют одинаковую степень погрешности. Метод работает на изображениях JPEG, основанных на сетке. Это делает невозможным идентификацию измененного пикселя. ELA не может обнаружить изменение одного пикселя или незначительную корректировку цвета.

Несмотря на то, что правильное применение может позволить экспертам легко обнаружить модификацию изображения (включая масштабирование, обрезку и операции повторного сохранения), анализ ELA зависит от качества изображения. Работа с изображением, полученным в результате многочисленных операций повторного сохранения, не эффективна.

Этот метод очень эффективен при обнаружении изменений, вносимых с помощью Photoshop. При анализе любой картинки учитывается, что ELA-это всего лишь алгоритм анализа изображений. Несмотря на то, что он очень эффективен в конкретных условиях, предлагается совмещать его с другими методами экспертизы, чтобы обеспечить достоверные результаты.

Рассматривая Рис. 8. можно заметить черный контур номера машины, а также более яркую обводку цифр и букв номера. При сохранении изменений фотографии редактор заново корректирует все цвета, усредняет значение пикселей. Важно учесть, если измененная фотография была несколько раз сжата (сохранена), анализ уровня ошибок даст ложный результат. В таком случае нельзя будет сделать точный вывод о наличии вмешательства в исходное изображение.

4. Цифровой шум

Шум - это случайное изменение плотности изображения, видимое как зернистость на пленке, и изменение уровня пикселей на цифровых изображениях. Шум, в изображении проявляется в виде отдельных элементов или в нескольких пикселях. Природу шума на фотографиях можно разделить на 2 вида: физическая (корпускулярная природа света) и аппаратный шум [1]. Цифровой шум может отличаться от изображения более светлыми или темными оттенками. Шум может быть уменьшен процессором камеры или с помощью постобработки, шум в одном изображении будет иметь одни и те же параметры по всему изображению. Эти параметры будут варьироваться в зависимости от модели камеры и экспозиции света во время производства изображения. Таким образом, наблюдение за изменением шумовых параметров в определенной зоне изображения часто будет сильным индикатором фальсификации. При оценке, используемых, в цифровой криминалистике фотографий, шум считается как гауссовский. В необработанном изображении шум следует за вероятностным распределением Гаусса, причем стандартное отклонение изменяется с интенсивностью каждого пикселя.

Величина гауссовского шума зависит от стандартного отклонения. Величина шума прямо пропорциональна значению сигмы.

В обработке изображений, используется гауссовское размытие, что является результатом размытия в изображении с помощью гауссовской функции. Это широко используемый эффект графической обработки, для уменьшения шума изображения и детализации.

Используемый инструмент для скрытия следов подделки - это добавление локально случайного шума в измененные области изображения. Эта операция может привести к несогласованности шума изображения. Следовательно, обнаружение различных уровней шума на изображении может означать вмешательство.

Шумовые картины на разных фотографиях отличаются. На цифровых фото шум зависит от ISO. При идентичных параметрах экспозиции шум может меняться. Таким образом, каждая фотография имеет уникальную шумовую картину. Подлинник фотографии обладает равномерной шумовой картиной, отсутствуют резкие переходы. На Рис. 12. имеется ярко выраженное безшумовое пятно. Такие пятна не характерны для оригиналов фото изображений. Обращаясь к Рис. 10. видно, что, область – светлая, без теней. Это означает вмешательство в исходное изображение.

5. Освещенность (Luminance Gradient)

Свет редко попадает на объект с одинаковой интенсивностью. Участки объекта, расположенные ближе к источнику света, будут ярче. Направление перехода – это градиент освещенности. На фотографиях шум вдоль однородных цветов будет в виде неровного рисунка. Гладкие поверхности с равномерными градиентными переходами говорят об изменении изображения.

Градиент освещенности показывает изменения яркости вдоль осей x и y изображения. Необходимо посмотреть, как освещаются различные части изображения, чтобы найти изменения, вносимые в фотографию. Части изображения, находящиеся под одинаковым углом (к источнику света) и при одинаковом освещении, должны иметь одинаковый цвет. Если градиенты на одном краю значительно острее, чем на остальных, это признак того, что изображение могло быть скопировано.

Используя данный метод, изучается изображение на несоответствие светотеневой картины. Первое, на что нужно обратить внимание – направление источника света. В данном случае (Рис. 13.) свет из окна освещает верхнюю часть фотографии. Тени от гильз отбрасываются в сторону криминалистической линейки. На Рис. 14. одна из гильз и ее тень были перевернута в редакторе. После манипуляций тень расположена в неправильном направлении. Использование программного обеспечения в этом методе скорее вспомогательное. Программа не указывает на конкретные изменения, она поможет определить направление света и тени. Определением фальсифицированного участка занимается непосредственно сам эксперт. Для удобства определения изменений следует воспользоваться методами анализа уровня ошибок и цифрового шума.

Представленные методы необходимо использовать в совокупности. В таком случае будет дан результат объективной проверки. Но так же нужно помнить и том, что даже совокупность методов не может дать сто процентный результат наличия или отсутствия изменений в изображении. Данный анализ требует практических доработок эксперта.

Список литературы:

1. Зотов П.В. Цифровой шум изображения и его прикладное значение в криминалистике// Вестник Саратовской государственной юридической академии №6 (107), 2015, С. 67-74.
2. Серова А.И., Спивак А.И. Использование методов машинного обучения для определения нарушений целостности jpeg-изображений//Научно-технический вестник информационных технологий, механики и оптики, 2018, том 18, №2, С. 299-306.
3. Ashcroft John, Deborah J. Daniels, Sarah V. Hart. Forensic Examination of Digital Evidence: A Guide for Law Enforcement//U.S. Department of Justice Office of Justice Programs, 810 Seventh Street N.W. Washington, DC 20531.
4. Minati Mishra, Flt. Lt. Dr. M. C. Adhikary. Detection of Clones in Digital Images// International Journal of Computer Science and Business Informatics. Vol. 9, No. 1. JANUARY 2014; 91-95.