УДК 621.317+681.849
В.І. СОЛОВЙОВ
Компанія «Силентіум Систем», Ванкувер, Канада,
edemsvi@gmail.com
О.В. РИБАЛЬСЬКИЙ
Національна академія внутрішніх справ, Київ, Україна
В.В. ЖУРАВЕЛЬ
Київський науково-дослідний експертно-криміналістичний центр МВС України, Київ,
Україна, fonoscopia@ukr.net
О.М. ШАБЛЯ
Одеський науково-дослідний інститут судових експертиз Міністерства юстиції України,
Одеса, Україна, alik.shablya@gmail.com
Є.В. ТИМКО
Київський науково-дослідний інститут судових експертиз Міністерства юстиції України,
Київ, Україна, e.tymko@kndise.gov.ua
МЕТОД ПОБУДОВИ СИСТЕМИ ВИЯВЛЕННЯ ТА ЛОКАЛІЗАЦІЇ
ТОЧОК МОНТАЖУ ЦИФРОВИХ ВІДЕОГРАМ
Анотація. Розглянуто та запропоновано базовий підхід до створення системи виявлення монтажу
у цифрових відеограмах та відповідний метод. Запропонований підхід ґрунтується на дослідженнях
з ідентифікації апаратури запису цифрових зображень за її власними шумами, зафіксованими на цифрових носіях.
Встановлено, що основою методу виявлення та локалізації точок монтажу у відеограмах має бути використання функцій, які описують динаміку помилок ідентифікації сусідніх кадрів та динаміку функції модуля різниці рівнів сигналів кольорів двох кадрів перевірюваної відеограми. Для отримання цих функцій запропоновано застосувати декомпозицію сигналів з використанням вейвлета Хаара. Показано, що реалізацію системи слід здійснювати на нейронних мережах глибокого навчання, що забезпечить високу достовірність експертизи.
Ключові слова: апаратура запису цифрових зображень, вейвлети, відеограма, декомпозиція сигналу, ідентифікація, матриця, нейронні мережі глибокого навчання, власні шуми, криміналістика.
повний текст
СПИСОК ЛІТЕРАТУРИ
- Рыбальский О.В. О возможности создания метода проверки подлинности неподвижных изображений, записанных на цифровых носителях. Спеціальна техніка у правоохоронній діяльності. Матеріали ІІІ Міжнародної конференції КНУВС (25–26 жовтня 2007, Київ, Україна). Київ, 2007. С. 13–14.
- Рыбальский О.В., Соловьев В.И. К развитию теории, методов и средств проведения экспертизы материалов цифровых фото-, видео- и звукозаписи. Сучасна спеціальна техніка. 2012. № 3 (30). С. 119–121.
- Рыбальский О.В., Соловьев В.И., Белозеров Е.В. Программа идентификации цифровой фото- и видеоаппаратуры и проверки оригинальности цифровых изображений. Збірник наукових праць Військового інституту Київського національного університету імені Тараса Шевченка. 2013. Вип. 41. С. 77–80.
- Рибальський О.В., Соловйов В.І., Бєлозьоров Є.В. Методологія розробки методики та програми проведення ідентифікаційних досліджень цифрової апаратури запису зображень. Сучасна спеціальна техніка. 2013. № 2 (33). С. 3–7.
- Solovyov V.I., Rybalskiy O.V., Zhuravel V.V., Semenova N.V. Analyzing the models of speech recognition on the basis of neural networks of deep learning for examination of digital phonograms. Cybernetics and Systems Analysis. 2021. Vol. 57. N 1. P. 133–138. https://doi.org/10.1007/s10559-021-00336-y .
- Zhang K., Zuo W., Chen Y., Meng D., Zhang L. Beyond a Gaussian denoiser: Residual learning of deep CNN for image denoising. IEEE Transactions on Image Processing. 2017. Vol. 26, N 7. P. 3142–3155.
- Cozzolino D., Verdoliva L. Noiseprint: A CNN-based camera model fingerprint. IEEE Trans. Inf. Forensics Secur. 2020. Vol. 15. P. 144–159.
- Li Y., Lyu S. Exposing deepfake videos by detecting face warping artifacts. Proc. IEEE 14 Conference on Computer Vision and Pattern Recognition Workshops. 2019. P. 46–52. URL: https://arxiv.org/pdf/1811.00656.pdf .
- Li L., Bao J., Zhang T., Yang H., Chen D., Wen F., Guo B. Face X-ray for more general face forgery detection. Proc. 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) (13–19 June 2020, Seattle, USA). Seattle, 2020. P. 5000–5009.
- Lee G., Kim M. Deepfake detection using the rate of change between frames based on computer vision. Sensors. 2021. Vol. 21, Iss. 21. 7367. https://doi.org/10.30534/ijatcse/2020/62922020.
- Li Y., Chang M.-C., Lyu S. Inictu oculi: exposing AI created fake videos by detecting eye blinking. Proc. 2018 IEEE International Workshop on Information Forensics and Security (WIFS) (11–13 December 2018, Hong Kong, China). Hong Kong, 2018. P. 1–7. URL: https://arxiv.org/pdf/1806.02877.pdf .
- Koopman M., Rodriguez A.M., Geradts Z. Detection of deepfake video manipulation. Proc. Irish Machine Vision and Image Processing Conference 2018 (IMVIP 2018) (29–31 August 2018, Belfast, Northern Ireland). Belfast, 2018. P. 133–136.
- Zhu W., Ma Y., Zhou Y., Benton M., Romagnoli J. Deep learning based soft sensor and its application on a pyrolysis reactor for compositions predictions of gas phase components. In: Computer Aided Chemical Engineering. Eden M.R., Ierapetritou M.G., Towler G.P. (Eds.). Elsevier, 2018. Vol. 44. P. 2245–2250.
- Shcherbyna Y., Kazakova N., Fraze-Frazenko O., Parchuts L., Schneider S. Analysis of attacks in modern cyberphysical systems. Proc. 1st International Conference on Intellectual Systems and Information Technologies (ISIT 2019) (19–24 August 2019 Odesa, Ukraine). Odesa, 2019. CEUR Workshop Proceedings. 2019. Vol. 2683. P. 12–14.
- Schisterman E.F., Perkins N.J., Liu A., Bondell H. Optimal cut-point and its corresponding Youden Index to discriminate individuals using pooled blood samples. Epidemiology. 2005. Vol. 16, Iss. 1. P. 73–81. https://doi.org/10.1097/01.ede.0000147512.81966.ba .
- Дудикевич В.Б., Микитин Г.В., Руда Х.С. Застосування глибокого навчання для виявлення Deepfakes модифікацій біометричного зображення. Сучасна спеціальна техніка. 2022. № 1 (68). С. 13–32.
- Дьяконов В.П., Малла С. Вейвлеты в обработке сигналов. Москва: Мир, 2005. 670 с.
- Соловйов В.І., Рибальський О.В., Журавель В.В., Шабля О.М., Тимко Є.В. Можливість ідентифікації апаратури цифрового відеозапису та цифрових фотоапаратів. Кібернетика та системний аналіз. 2022. Т. 58, № 6. С. 31–37.
