Loading...
Publication
BENFORD’ S LAW APPLIED TO DIGITAL FORENSIC ANALYSIS
| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 3.4 MB | Adobe PDF |
Advisor(s)
Abstract(s)
A deteção automática de imagens e vídeos digitais manipulados tem desafiado a
investigação criminal. Existe uma vasta gama de técnicas e ferramentas de deteção
de manipulações em imagens digitais, apoiadas maioritariamente por um conjunto
de métodos de aprendizagem computacional, dos quais o deep learning tem obtido os
resultados mais promissores. Estas técnicas utilizam algoritmos de análise complexos,
requerem enormes recursos computacionais e tornam dispendiosos os processos de
análise digital forense. Estes desafios têm proporcionado o aparecimento de investigação
inovadora em certos campos e com resultados promissores, nomeadamente no
domínio da estatística aplicada, tornando a deteção de imagens e vídeos manipulados
mais simples, rápida e barata.
Esta dissertação visa descrever os resultados obtidos com a aplicação de uma
abordagem não usual, assente em métodos estatísticos, nomeadamente a Lei de
Benford e a sua aplicação na deteção de imagens manipuladas, no contexto da
análise digital forense. Estudos realizados sobre a aplicação da Lei de Benford
noutras áreas destacam a simplicidade, fiabilidade e aplicabilidade do algoritmo,
com resultados promissores em vários domínios, tais como a deteção de fraudes nos
domínios financeiro e económico.
A Lei de Benford é suportada pelo cálculo da probabilidade dos primeiros dígitos,
neste caso concreto extraídos das características dos ficheiros multimédia em classificação.
O método proposto nesta dissertação para aplicação da lei de Benford
recorre a técnicas estatísticas. Em termos gerais, a metodologia para aplicação da
lei de Benford é baseada na extração inicial das características das imagens pelo
método da Transformada Rápida de Fourier (Fast Fourier Transform), onde se
inicia a extração do primeiro dígito das características extraídas das imagens. Após
este processo, são calculadas as frequências com que os dígitos aparecem em todas
as imagens, efetuando a correlação entre estas frequências e a frequência proposta
pela Lei de Benford.
Os testes foram realizados num conjunto de 560 imagens classificadas, sendo 280
autênticas e as restantes manipuladas. A aplicação da lei foi comparada com três
modelos de correlação distintos, designadamente Pearson, Spearman e Cramér–Von
Mises (CVM). Os resultados globais obtidos, aplicando o método proposto nesta dissertação, são promissores, tendo-se obtido um valor de F1 de . %, com um
recall de , % usando o o teste de ajustamento CVM. O coeficiente da correlação
de Pearson foi o que mostrou maior homogeneidade em relação aos coeficientes da
correlação de Spearman e de Cramer-Von Mises (CVM) na deteção de imagens
manipuladas, , e autênticas, . Transversal a todos os coeficientes de correlação,
é a existência de muitos falsos positivos, com um máximo de no coeficiente da
correlação de Cramer-Von Mises (CVM).
A utilização do método proposto carece de maior investigação na minimização do
número de falsos positivos, de modo a obter maior destaque ao nível da eficácia,
comparativamente com os métodos tradicionais baseados na aprendizagem computacional.
Evidencia-se o facto de evitar a utilização de uma fase de treino do modelo,
para a posterior classificação das imagens. O método baseado na lei de Benford,
pode futuramente ser aplicado em conjunto com métodos de machine learning, como
forma de melhorar a deteção de imagens digitais manipuladas.
Description
Keywords
Lei de Benford Imagem digital forense Manipulação Correlação