Tyler Durden on Nostr: https://m.primal.net/HoOe.jpg El artículo "Detection of the Adobe Pattern" de Jan ...
El artículo "Detection of the Adobe Pattern" de Jan Butora y Patrick Bas se centra en la detección de un patrón periódico casi imperceptible, denominado el patrón de Adobe, que se introduce en imágenes RAW y de 16 bits cuando se desarrollan a formatos de 8 bits usando el software Adobe Lightroom o CameraRaw. Este patrón de 128 × 128 se modula por el contenido de valor de 16 bits y se añade en el dominio de 16 bits, lo que lo hace difícil de estimar perfectamente desde imágenes reales de 8 bits. La presencia de este patrón ha causado falsas atribuciones de cámaras al trabajar con la No Uniformidad de Respuesta Fotoeléctrica (Photo-Response Non-Uniformity, PRNU), una herramienta forense popular para la atribución de sensores de cámaras.
Para poder eliminar este sesgo, es imperativo tener un método preciso para detectar el patrón de Adobe. El artículo modela el patrón de Adobe dependiente del contenido con un patrón determinista corrompido por ruido uniforme, permitiendo tratar la detección del patrón de Adobe como un test de hipótesis. Utilizando el Test de Razón de Verosimilitud (Likelihood Ratio Test), los autores demuestran que para imágenes sin el patrón de Adobe, una estadística de prueba diseñada cuidadosamente sigue una distribución gaussiana de media cero con una varianza constante. Además, esta estadística de prueba permite una detección cercana al 90% a una tasa de falsos positivos de 10−410−4 para imágenes de 128 × 128 comprimidas en JPEG con calidad 80, y la detección mejora con el aumento de la calidad de la imagen.
El estudio también revela que en el conjunto de datos FFHQ de rostros reales, alrededor del 16% de las imágenes contienen el patrón de Adobe. Este hallazgo podría tener consecuencias significativas para la comunidad forense digital.
El trabajo contribuye al campo de la forensía digital al proporcionar un método confiable para detectar el patrón de Adobe, lo cual es crucial para eliminar sesgos en la atribución de cámaras basada en PRNU y para otros usos forenses. Además, el código utilizado para estimar el patrón de Adobe y generar los resultados del estudio está disponible públicamente, lo que facilita la replicación y validación de los hallazgos por parte de otros investigadores. Artículo completo en:
https://hal.science/hal-04498274 #hispano #privacidad
Published at
2024-03-25 16:30:32Event JSON
{
"id": "8debd320403e8ce692718d69a3857d40eac369b5360b8c6875d6c89979635af7",
"pubkey": "f3055cb74da230f49fa111e77687065fe9865f76c94a5fbcd20c439e24e70990",
"created_at": 1711384232,
"kind": 1,
"tags": [
[
"t",
"hispano"
],
[
"t",
"privacidad"
]
],
"content": "https://m.primal.net/HoOe.jpg El artículo \"Detection of the Adobe Pattern\" de Jan Butora y Patrick Bas se centra en la detección de un patrón periódico casi imperceptible, denominado el patrón de Adobe, que se introduce en imágenes RAW y de 16 bits cuando se desarrollan a formatos de 8 bits usando el software Adobe Lightroom o CameraRaw. Este patrón de 128 × 128 se modula por el contenido de valor de 16 bits y se añade en el dominio de 16 bits, lo que lo hace difícil de estimar perfectamente desde imágenes reales de 8 bits. La presencia de este patrón ha causado falsas atribuciones de cámaras al trabajar con la No Uniformidad de Respuesta Fotoeléctrica (Photo-Response Non-Uniformity, PRNU), una herramienta forense popular para la atribución de sensores de cámaras.\n\nPara poder eliminar este sesgo, es imperativo tener un método preciso para detectar el patrón de Adobe. El artículo modela el patrón de Adobe dependiente del contenido con un patrón determinista corrompido por ruido uniforme, permitiendo tratar la detección del patrón de Adobe como un test de hipótesis. Utilizando el Test de Razón de Verosimilitud (Likelihood Ratio Test), los autores demuestran que para imágenes sin el patrón de Adobe, una estadística de prueba diseñada cuidadosamente sigue una distribución gaussiana de media cero con una varianza constante. Además, esta estadística de prueba permite una detección cercana al 90% a una tasa de falsos positivos de 10−410−4 para imágenes de 128 × 128 comprimidas en JPEG con calidad 80, y la detección mejora con el aumento de la calidad de la imagen.\n\nEl estudio también revela que en el conjunto de datos FFHQ de rostros reales, alrededor del 16% de las imágenes contienen el patrón de Adobe. Este hallazgo podría tener consecuencias significativas para la comunidad forense digital.\n\nEl trabajo contribuye al campo de la forensía digital al proporcionar un método confiable para detectar el patrón de Adobe, lo cual es crucial para eliminar sesgos en la atribución de cámaras basada en PRNU y para otros usos forenses. Además, el código utilizado para estimar el patrón de Adobe y generar los resultados del estudio está disponible públicamente, lo que facilita la replicación y validación de los hallazgos por parte de otros investigadores. Artículo completo en: https://hal.science/hal-04498274 #hispano #privacidad ",
"sig": "5f1fc81bebfb748a0133fdce6bec36511ffdfcdb6eab6f6a98047f0267375f557dafbd4aa2196ad29cc9cdd0e9633e4ac457325e307834faf8d88a9be5a87999"
}
