¡Descarga Guida alla Source Identification in Digital Forensics y más Apuntes en PDF de Aplicaciones Multimedia solo en Docsity!
DIGITAL FORENSICS
Digital forensics : è un ramo della scienza forense che comprende il recupero, l’indagine, e l’analisi di materiale digitale -Computer Forensics : si concentra sul recupero e l’analisi di dati da supporti di memorizzazione digitali (es: recuperare dati protetti da password, o recuperare un file cancellato da un disco, o da una pen-drive USB)
- Network Forensics : si occupa del monitoraggio e dell'analisi del traffico di rete, ai fini della raccolta di informazioni e elementi di prova MULTIMEDIA FORENSICS Multimedia forensics : si ocupa dell’analisi di dati multimediali al fine di stabilirne l’autenticità e l’integrità Per dato multimediale indentiamo: audio, immagini, video SOURCE IDENTIFICATION La Source Identification si occupa di analizzare l’autenticità del dato ponendosi la domanda «Qual è l’origine del dato multimediale?» L’identificazione di sorgente può essere utile per molteplici finalità nell’ambito di un’indagine, per esempio può essere usata per: -Risolvere casi di violazione del copyright -Risalire a chi ha scattato/registrato foto/video ricattatorie -Identificare un telefonino rubato -Certificare l’autenticità di una foto/video usato come prova GRANULARITÁ DELLA SOURCE IDENTIFICATION L’identificazione di sorgente puo essere affrontata a diverse granularità INTEGRITY DETECTION Si occupa di analizzare l’integrità del dato ponendosi la domanda: “Il dato multimediale è stato manipolato?”
Un malintenzionato può alterare un dato multimediale per commettere frodi assicurative, ricattare persone o alterare prove Le manipolazione ben realizzate non sono rilevabili con una semplice ispezione del contenuto del dato multimediale Per questo è importante l’utilizzo di strumenti software appositi DISINFORMAZIONE E FAKENEWS Immagini, audio e video sono spesso usate per avvalotare notizie. Ovviamente, contenuti multimediali modificati possono servire a manipolare le opinioni, ma anche ad attaccare la credibilità di determinate persone DETECTION VS LOCALIZATION Forgery detection : punta a determinare se l’intero dato multimediale è stato modificato oppure no Forgery localization : punta a localizzare la manipolazione INTELLIGENZA ARTIFICIALE PER MANIPOLARE In passato, realizzare una manipolazione realistica richiedeva tempo e buona conoscenza degli strumenti software di foto-ritocco e video-editing L’Intelligenza Artificiale ha dando la possibile di realizzare manipolazioni realistiche in poco tempo Con gli strumenti basati sull’Intelligenza Artificiale si possono inserire o duplicare oggetti coerentemente con il contesto TEXT-TO-IMAGE GENERATION Con gli strumenti basati sull’Intelligenza Artificiale si possono anche generare immagini da zero fornendo solo una breve descrizione testuale LOCAL SYNTHETIC MANIPULATION Sempre con gli strumenti basati sull’Intelligenza Artificiale si può anche generale solo una zona dell'immagine. VIDEO FACIAL MANIPULATION Face swapping : il volto del video sorgente è scambiato nel video di destinazione (cambia la identidad) Facial reenactment : l’espressione del video sorgente viene trasferita al video di destinazione (cambia la expresión) DIFFERENZA TRA ANALOGICO E DIGITALE ANALOGICO Il temine analogico deriva da analogia e indica che qualcosa cambia analogamente ad un’altra. Ad esempio: -In una bilancia analogica, la posizione dell’indicatore cambia analogamente alla quantità di massa che si pone sulla bilancia -In un termometro analogico, il livello di mercurio cambia analogamente alla temperatura della stanza
-Il campionamento è il processo mediante il quale un segnale continuo viene convertito in un segnale discreto nel tempo. Ciò significa che invece di considerare il valore del segnale in tutti gli instanti temporali vengono considerati solo alcuni di essi, presi solitamente ad intervalli regolari. I valori del segnale in quegli istanti sono detti campioni -La quantizzazione è il processo mediante il quale il valore del segnale viene approssimato al valore più vicino in un insieme finito di valori (per esempio, all’intero più vicino). Questo processo introduce inevitabilmente un errore, noto come "errore di quantizzazione". I VANTAGGI DEL DIGITALE I segnali digitali sono meno suscettibili di quelli analogici al rumore e alle interferenze. Questo ci permette di archiviare e trasmettere i segnali digitali senza distorsioni, mentre quelli analogici sono sempre soggetti a disturbi I segnali digitali sono facilmente elaborabili (basta un dispositivo capace di fare operazioni numeriche come un computer) mentre i segnali analogici necessitano di appositi dispositivi per l’elaborazione e non tutte le elaborazioni sono possibili L’unico vantaggio dell'analogico è di replicare il segnale naturale senza errori, mentre i segnali digitali sono inevitabilmente affetti dall’errore di quantizzazione. Tuttavia un sistema digitale può essere progettato in modo che questo errore sia così piccolo da non essere percepibile dall’uomo. RAPPRESENTAZIONE BINARIA DEI NUMERI I segnali digitali sono elaborabili da computer capaci di fare più di un miliardo di operazioni numeriche elementari (addizioni e moltiplicazioni) al secondo Mentre noi rappresentiamo i numeri in decimale (usando dieci simboli), i computer utilizzano la rappresentazione binaria (con solo due simboli 0 e 1) BIT & BYTE Il termine 'bit' è un'abbreviazione di 'binary digit’ cioè cifra binaria. Quindi con numero di bit intendiamo il numero di cifre binarie a disposizione Con un solo bit (una solo cifra binaria) a disposizione possiamo rappresentare solo due differenti numeri (0 o 1) Con 3 bit possiamo rappresentare 8 differenti numeri. Con 6 bit possiamo rappresentare 64 differenti numeri. Con N bit possiamo rappresentare 2N numeri Per convenzione un Byte (B) sono 8 bit (otto cifre binarie), quindi con un byte possiamo rappresentare 256 differenti numeri
IMMAGINE NATURALE
Vista : principale fonte di informazione sul mondo esterno Buona parte della corteccia cerebrale vi è dedicata RIFLESSIONE LO SPETTRO ELETTROMAGNETICO Le radiazioni visibili per l'occhio umano sono comprese tra le lunghezze d'onda di circa 380 nm e di circa 780 nm. IMMAGINE DIGITALE Le nostre immagini devo essere memorizzate ed elaborate da un computer: -Il computer archivia ed elabora solo stringhe di bit -Le immagini devono diventare sequenze di numeri (o di stringhe di bit) Digitalizzazione (Da analogico a digitale): DIGITALIZZAZIONE La digitalizzazione viene fatta dalla macchina fotografica digitale durante l’acquisizione dell’immagine (scatto)
IMMAGINE A COLORI
Combinando le quantità di R (rosso), G (verde) e B (blu) si ottengono i vari colori L’ELABORAZIONE DELLE IMMAGINI DIGITALI Alle immagini digitali possono essere applicati diversi tipi di elaborazioni per differenti scopi: Miglioramento visivo dell'Immagine: Enhancement Trasformazioni Geometriche (ridimensionamento, rotazione, …) Rimozione delle interferenze e Correzione delle distorsioni: Denoising & Restoration Individuazione dei bordi e Suddivisione dell'immagine in regioni: Segmentation 1.ENHANCEMENT 2.GEOMETRIC OPERATIONS 3.DENOISING&RESTORATION
4.SEGMENTATION
VIDEO DIGITALE
Un video digitale non è altro che una sequenza di immagini digitali RISOLUZIONE VIDEO Risoluzione spaziale: Risoluzione temporale: IMPORTANZA DELLA COMPRESSIONE Consideriamo un video non compresso:
- Frame Rate : 25 frame per secondo (fps) -Risoluzione Spaziale : 576x720 (SD)
- A colori : 3 canali (RGB) -Profondità : 8 bit per canale Per memorizzare un video di 1 ora servirebbe uno spazio sul disco di 105 GB Per trasmettere/ricevere il video servirebbe una connessione di 240 Mbps Il dato multimediale viene sempre compresso quando viene archiviato o trasmesso. STATISTICHE DELL’IMMAGINE Luminosità Media: -La luminosità media di un'immagine si riferisce al valore medio di intensità luminosa di tutti i pixel dell'immagine -Un’alta luminosità media indica che l'immagine è complessivamente chiara -Una bassa luminosità media indica che l'immagine è complessivamente scura Contrasto:
ISTOGRAMMA DI LUMINANZA
L’istogramma di un’immagine è un grafico a barre in cui è rappresentato il numero di volte con cui occorre ogni livello di grigio ISTOGRAMA NORMALIZZATO L’istogramma normalizzato è un grafico a barre in cui è rappresentata la frequenza con cui occorre ogni livello di grigio. STATITICHE DELL’IMMAGINE ED ISTOGRAMMA La Luminosità Media e il Contrasto si possono determinare dall'istogramma dell’immagine -La luminosità media è il baricentro dell’istogramma
La Luminosità Media e il Contrasto si possono determinare dall'istogramma dell’immagine. -Il Contrasto è legato l’ampiezza dell’istogramma. Un istogramma concentrato indica un contrasto basso, un istogramma ampio indica un contrasto alto ELABORAZIONE DELL’IMMAGINE Con elaborazione sulle immagini intendiamo una trasformazione (una formula matematica) che applicata ad un’immagine permette di ottenerne un’altra Le elaborazioni sulle immagini si possono dividere in: -Operazioni Puntuali : si applicano individualmente a ciascun pixel dell’immagine -Operazioni Geometriche : modificano la forma dell’immagine -Filtri : per ogni pixel si tiene conto anche dei valori dei pixel vicini ad esso. OPERAZIONI PUNTUALI Il valore di ogni pixel dell’immagine di output dipende solo dal valore del pixel della stessa posizione dell’immagine di input OPERAZIONE PUNTUALE LINEARE Il valore del pixel dell’immagine di input è moltiplicato per il numero 𝑎 (fattore di scala) e sommato ad un numero 𝑏 (offset) 𝑏 offset, cambia la media dell’immagine -𝑏 > 0 aumenta la luminosità -𝑏 < 0 diminuisce la luminosità
NEGATIVO
Negativo, i pixel scuri diventano chiari e viceversa FULL SCALE HISTOGRAM STRETCH Quando i valori di grigio dell'immagine occupano un intervallo limitato, inferiore all’intera gamma possibile di grigi [0, 255], possiamo applicare il Full Scale Histogram Stretch (FSHS) per migliorare il contrasto Full Scale Histogram Stretch (FSHS) è un'operazione puntuale lineare che estende i valori dell'immagine per coprire l'intera gamma di grigi [0, 255] OPERAZIONE PUNTUALE NON LINEARE Possiamo usare una qualsiasi relazione tra il valore di ingresso e quello di uscita. Esempi di operazioni puntuali non lineari:
OPERAZIONE PUNTUALE DI POTENZA
Gamma ( 𝛾) è l’esponente della potenza:
- 𝛾 > 1 migliora il contrasto per i valori chiari e lo peggiora per quelli scuri - 𝛾 < 1 migliora il contrasto per i valori scuri e lo peggiora per quelli chiari ESEMPIO: GAMMA MINORE DI 1 Ad un’immagine sottoesposta (troppo scura), possiamo applicare un’operazione di potenza con gamma minore di 1 per migliorare il contrasto Ad un’immagine sovraesposta (troppo luminosa), possiamo applicare un’operazione potenza con gamma maggiore di 1 per migliorare il contrasto
Consideriamo la seguente matrice di 4 righe e 4 colonne. La vogliamo ridimensionare, ingrandendola di un fattore 2 (operazione di zoom-in) La matrice ingrandita dovrà avere il doppio delle righe e delle colonne Un elemento ogni due dalla nuova matrice conterrà gli elementi della matrice iniziale. E gli altri? INTERPOLAZIONE Ricordiamoci che l’immagine digitale è stata ottenuta dal campionamento di un’immagine analogica, quindi la soluzione ideale è considerare per i valori mancanti quelli dell’originale immagine analogica in quelle posizioni Naturalmente, non conosciamo questi valori (non abbiamo l’originale immagine analogica), ma li possiamo stimare a partire da quelli disponibili. Questa operazione è denominata interpolazione Per stimare valori plausibili si possono fare diverse ipotesi, pertanto esistono diversi metodi di interpolazione Esistono vari metodi di interpolazione, tra cui: -Nearest Neighbor : considera per i valori mancanti il valore noto più vicino -BiLineare : considera per i valori mancanti la media pesata dei valori noti più vicini
FILTRO
Nelle operazioni di filtraggio il valore di ogni pixel dell’immagine di output si ottiene combinando i valori dei pixel dell’immagine di input che si trovano in una «finestra» centrata sul pixel d’interesse FILTRO MEDIA MOBILE/UNIFORM FILTER/BOX FILTER Il valore dell’immagine di uscita è ottenuto mediando i valori nella finestra Consideriamo un esempio con una finestra di 3 pixel per 3 pixel FILTRO=OPERAZIONE A FINESTRA SCORREVOLE La finestra scorre sull’immagine di input, per ottenere progressivamente i vari valori dell’immagine di output.
Così fino alla fine Il risultato:
E VICINO AL BORDO?
Per calcolare anche i valori al bordo dell’immagine dobbiamo espandere l’immagine di input, operazione denominata Padding ESEMPIO DI ZERO PADDING ESEMPIO DI SYMMETRIC PADDING ESEMPIO DI REPLICATE PUDDING FILTRAGGIO LINEARE I valori di output sono una combinazione lineare dei valori nella finestra Il filtro è caratterizzato dalla sua matrice dei coefficienti
