2つの写真が同じカメラでメタデータなしで撮影されたかどうかを確認するにはどうすればよいですか？

画像（exifデータなし）を識別して、まったく同じカメラにリンクすることはできますか？もしそうなら、私は仕事を成し遂げるためにいくつかのソフトウェアの推奨事項をお願いします。

同じカメラで撮影したものかどうかを比較したい写真が2枚あります。どちらもEXIFデータが不足しているようですが、画像内に他の隠された指紋が含まれていることは聞いたことがあると思います。

たとえば、写真が同じカメラで撮影された場合、拳銃を発砲して弾丸に一意のマークが付けられるのとほぼ同じように、センサーノイズはかなり一定でなければなりません。また、カメラメーカーが隠し透かしを追加して、特別なソフトウェアで読み取れることもあると聞きました。

たとえば、写真が同じカメラで撮影された場合、拳銃を発砲して弾丸に一意のマークが付けられるのとほぼ同じように、センサーノイズはかなり一定でなければなりません。

ビンゴ-それはまさにお金です。

2006年から2007年にこの分野で働いたときに、私がよく知っている2つの側面があります。1つ目はカメラのメーカーとモデルの識別であり、2つ目は特定のカメラが特定の画像を撮影したかどうかを識別することでした。

ここにいくつかの関連リンクがあります：

• デジタルカメラは独特の指紋を持っている、セキュリティについてのシュナイアー
• ビンガムトン大学の研究がデジタル画像とカメラをリンク
• フォレンジックカメラの分類：センサーパターンノイズアプローチの検証

複数のカメラからの画像のサンプルが多い場合、特定のメーカーとモデルに存在する平均ノイズパターンを生成できます。単一の画像が提供されると、この平均ノイズパターンと単一の画像を使用して、特定のカメラのメーカーとモデルを高い信頼度で伝えることができます。

単一のカメラからの画像のサンプルが与えられた場合、単一の画像をこの画像のサンプルからのノイズパターンと比較して、大きなサンプルを生成したカメラが単一の画像も生成したかどうかを確認できます。

ただし、これを行うアルゴリズムと手法は特許を取得しています。私は信じている、米国特許7616237はあなたの特定の質問に関連しています。Jessica Fridrich、Miroslav Goljan、Jan Lukasの業績を引用し、この主題に関する多数の研究論文も提供しています。残念ながら、私はこの手法を実装する一般に入手可能なソフトウェア（商用またはその他）についてはよく知りません。私が行っていた作業は、この特許の研究を支援した米国国防総省を代表するものでした。

センサーにホットピクセルがあり、これらのピクセルが写真から削除されない場合は、カメラを特定している可能性があります。

あなたの状況では、ほとんどできません。ノイズは完全にランダムではありませんが、ランダムな要素があります。カメラの指紋を分離するには、一連のショットでカメラのプロファイルを作成する必要があります。たった2枚のショットでは、できることは多くありません。

一部のカメラメーカーは署名を追加しますが、それはメタデータに含まれるため、EXIFが取り除かれた場合、あなたはその面で運が悪かったです。さらに、それは画像がカメラからのものかどうかを判断するために設計されており、どのカメラからのものかを判断するためのものではありません。

短い答え

はい、写真を（メタデータなしで）撮影した個別のカメラと一致させることが可能であり、信頼性も非常に高いです。この手法は、いくつかのソフトウェア製品ですぐに利用できます。そのうちの1つは、Amped Softwareが作成したAmped Authenticate です（免責事項：私は会社のCEOおよび創設者です）。

基本的な考え方

基本的な考え方は、すべてのデバイスが、生成する各写真に異なる「ノイズフィンガープリント」を残すことです。このコンポーネントはPRNU（Photo Response Non-Uniformity）と呼ばれ、文献で広く研究されています。それは次のように示されています：

• 時間とともに一定
• 温度が一定-他のカメラ設定（露出、フォーカスなど）に依存しない
• 再圧縮に対してかなり堅牢（JPEG品質は5〜60％程度）
• 強度と色の調整（コントラスト、明るさなど）に対してかなり堅牢
• ローカルの変更に対してかなり堅牢（つまり、画像の一部が改ざんされている場合-全体としての画像は、依然として特定のカメラからのものとして認識されます）

ただし、次の状況では正しく機能しません。

• 画像がトリミングされているか、デジタルズームが含まれている場合、センサー全体ではなく、センサーの一部のみを使用するため（これは解決できる可能性がありますが、サイズ変更には堅牢ではありません）
• 非常に強力な機能強化
• 非常に暗いまたは非常に明るい画像の場合、これらの領域にはノイズが存在しないため）

どのように機能しますか

画像のPRNUを抽出するには、基本的にノイズの特定のコンポーネントを抽出する必要があります。画像をノイズ除去し、元の画像を差し引くことができます。文献では、ウェーブレットフィルターの使用をお勧めしますが、より単純で高速なフィルターを使用しても、同様の結果を得ることができます。

実際には、手順は次のように行われます。

1. カメラ参照パターン（CRP）を作成する必要があります。これは、テストデバイスのいくつかの画像からPRNUを抽出することで行われます。最良の結果を得るには、暗すぎたり白すぎたりせず、できるだけ細部を抑えた約30〜50枚の画像を使用して、ピクセルごとの平均を作成することをお勧めします。これらを参照画像と呼びましょう。カメラがあれば、壁や空の焦点が合っていない写真を撮ることができます。カメラがない場合は、一般的な写真を撮ることができますが、平均化して詳細をフィルターで除外するには、さらに多くの写真が必要になるでしょう。

2. 次に、分析中の画像からPRNUを抽出し、CRPとの相関を計算できます。相関が高いほど、同じカメラからの画像である可能性が高くなります。

3. 相関のしきい値を計算する画像を自動的に分類することができます。しきい値より高い相関のある画像は、カメラから送信される可能性が高くなります。それ以外の場合は、おそらく別のデバイスから送信されます。

しきい値は、次の相関を計算して取得できます。

• 同じデバイスから取得した画像（ポジティブ）
• 別のカメラモデルからの画像（負）
• 同じカメラモデルの別の見本から取得した画像（負）

一般に、ポジティブセットとネガティブセットは完全に分離されない可能性が高いため、ケースごとに取得する偽陽性と偽陰性のバランスを適切に設定する必要があります。

適切に使用すれば、非常に類似したPRNUを持つ同じモデルの2つの例を見つけることが可能であることが示されていますが、この方法は非常に信頼できることが示されています。これは、たとえば、2つのデバイスのセンサーが同じシリコンウェーハから製造された場合に発生する可能性があります。それは遠い可能性ですが、まだ可能性があります。

例として、以下のこの画像は、重要なコンテンツがない（壁の焦点が合っていない画像）画像から抽出されたPRNUです。

改ざん

PRNU相関をローカルに適用して、画像の改ざんを検出することもできます。アイデアは、画像全体でnxnピクセルのスライディングウィンドウでPRNUを計算して、相関のマップを作成することです。相関が低い領域は、改ざんされた可能性が高くなります。

以下の画像は、分析されている画像の例を表しています。

以下は、CRPと画像から抽出されたPRNUのブロックごとの相関の結果です。白い領域は、改ざんされる可能性が最も高い領域を表しており、ノイズが一定していません。机の真ん中に改ざんの明らかな兆候があります。

実際、これは銃が取り除かれた元の写真です。

参考文献

PRNUをさまざまな視点で分析する論文は無数にありますが、これらはおそらく最も重要です。

• J. Lukas、J。Fridrich、およびM. Goljan、「センサーノイズからのデジタルカメラの識別」、IEEE Transactions on Information Security and Forensics、pp。205-214、2006。
• Mo Chen、J。FridrichおよびM. Goljan、「デジタルイメージングセンサーの識別（さらなる研究）」、Proceedings。SPIE電子画像、セキュリティ、ステガノグラフィー、およびマルチメディアコンテンツの透かし、pp 0P-0Q、2007年。

概要

異なるカメラからの画像を区別する技術は、たとえそれらが同じメーカーとモデルであっても、存在し、学術および法医学のコミュニティではかなり確立されています。いくつかあります。ソフトウェア製品あなたが比較的容易でそれを行うことができ、また、同様のプロセスで画像の信憑性を評価し、市場で利用可能に。

これは興味深い質問です。100％の精度でそれを実現することはできないと思いますが、十分な数のソース写真を使用して、どのタイプのカメラのカメラかを判別できるはずです。これには、特定のノイズ分布、特定のカメラの内部プロパティ（生の写真データからのみ決定できます）などが与えられます。しかし、これを行うための既知のソフトウェアはありません。現実的に言えば、現時点では現時点では不可能だと考えるべきです。