Técnicas pasivas de detección y localización de manipulaciones en imágenes digitales// passive techniques for detecting and locating manipulations in digital images

Zusammenfassung

El número de cámaras digitales integradas en dispositivos móviles así como su uso en la vida cotidiana está en continuo crecimiento. Diariamente gran cantidad de imágenes digitales, generadas o no por este tipo de dispositivos, circulan en Internet o son utilizadas como evidencias o pruebas en procesos judiciales. Como consecuencia, el análisis forense de imágenes digitales cobra importancia en multitud de situaciones de la vida real. El análisis forense de imágenes digitales se divide en dos grandes ramas: autenticidad de imágenes digitales e identificación de la fuente de adquisición de una imagen. La primera trata de discernir si una imagen ha sufrido algún procesamiento posterior al de su creación, es decir, que no haya sido manipulada. La segunda pretende identificar el dispositivo que generó la imagen digital. La verificación de la autenticidad de imágenes digitales se puede llevar a cabo mediante técnicas activas y técnicas pasivas de análisis forense. Las técnicas activas se fundamentan en que las imágenes digitales cuentan con marcas presentes desde su creación, de forma que cualquier tipo de alteración que se realice con posterioridad a su generación, modificará las mismas, y, por tanto, permitirán detectar si ha existido un posible posproceso o manipulación. Por otro lado, las técnicas pasivas realizan el análisis de la autenticidad extrayendo características de la imagen. Cualquier operación de edición sobre una imagen dada dejará huellas que serán utilizadas para comprobar la autenticidad de la misma. Las técnicas pasivas son las más utilizadas puesto que no todos los dispositivos tienen la capacidad de dejar marcas en la imagen que permitan validar su autenticidad. En este trabajo se proponen cinco técnicas pasivas: La primera combina el análisis de patrones locales de textura con el uso de las características intrínsecas de la compresión y el formato de cada uno de los bloques de una imagen para extraer un grupo de singularidades con los que formar un vector que, posteriormente, será utilizado en una máquina de soporte vectorial para crear un modelo que permitirá verificar la autenticidad de la imagen, identificando distintos tipos de manipulaciones como Copiar Mover o Empalme. La segunda estima, sin un entrenamiento previo, el patrón de interpolación utilizado por el sensor de la cámara que generó la imagen, siendo capaz de localizar las inconsistencias presentes en la misma que surgen en un proceso de edición posterior como manipulaciones de tipo Copiar Mover o Empalme. La tercera, basada en la compresión JPEG, analiza de nivel de error que resalta los píxeles que tienen un nivel de compresión distinto al resto de la imagen y los marca como contenido no original de la misma, detectando manipulaciones de tipo Empalme. La cuarta, que se fundamenta en los algoritmos de interpolación cromática, divide la imagen en bloques superpuestos y estima el patrón de interpolación y el error cuadrático medio, detectando también manipulaciones de tipo Empalme. La quinta y última utiliza la transformada discreta del coseno. Las características obtenidas a partir de estos coeficientes permiten obtener vectores de transferencia que, agrupados y mediante el uso de un umbral de tolerancia, permiten determinar si hay regiones duplicadas dentro de la imagen analizada. Todas estas técnicas han sido evaluadas utilizando distintos datasets de imágenes, públicos y privados, demostrándose su validez al suponer un avance en el estado del arte de las técnicas pasivas de análisis forense de imágenes. Finalmente, señalar que estas técnicas han sido implementadas en una herramienta de análisis forense, desarrollada dentro de un proyecto del Programa Marco de Investigación e Innovación de la Unión Europea Horizonte 2020, herramienta que ha sido además validada por Policías de diversos países europeos en un entorno real.