BENFORD’ S LAW APPLIED TO DIGITAL FORENSIC ANALYSIS
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/10400.8/7907 |
Resumo: | 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. |
id |
RCAP_756b282ac0f39f997907a7f41b1f9df6 |
---|---|
oai_identifier_str |
oai:iconline.ipleiria.pt:10400.8/7907 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
BENFORD’ S LAW APPLIED TO DIGITAL FORENSIC ANALYSISLei de BenfordImagem digital forenseManipulaçãoCorrelaçãoDomínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e InformáticaA 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.Antunes, Mário João GonçalvesIC-OnlineFernandes, Pedro Alexandre Clemente2022-12-05T14:33:41Z2022-07-202022-07-20T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10400.8/7907TID:203111958porinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2024-01-17T15:56:11Zoai:iconline.ipleiria.pt:10400.8/7907Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-20T01:50:44.149468Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
BENFORD’ S LAW APPLIED TO DIGITAL FORENSIC ANALYSIS |
title |
BENFORD’ S LAW APPLIED TO DIGITAL FORENSIC ANALYSIS |
spellingShingle |
BENFORD’ S LAW APPLIED TO DIGITAL FORENSIC ANALYSIS Fernandes, Pedro Alexandre Clemente Lei de Benford Imagem digital forense Manipulação Correlação Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática |
title_short |
BENFORD’ S LAW APPLIED TO DIGITAL FORENSIC ANALYSIS |
title_full |
BENFORD’ S LAW APPLIED TO DIGITAL FORENSIC ANALYSIS |
title_fullStr |
BENFORD’ S LAW APPLIED TO DIGITAL FORENSIC ANALYSIS |
title_full_unstemmed |
BENFORD’ S LAW APPLIED TO DIGITAL FORENSIC ANALYSIS |
title_sort |
BENFORD’ S LAW APPLIED TO DIGITAL FORENSIC ANALYSIS |
author |
Fernandes, Pedro Alexandre Clemente |
author_facet |
Fernandes, Pedro Alexandre Clemente |
author_role |
author |
dc.contributor.none.fl_str_mv |
Antunes, Mário João Gonçalves IC-Online |
dc.contributor.author.fl_str_mv |
Fernandes, Pedro Alexandre Clemente |
dc.subject.por.fl_str_mv |
Lei de Benford Imagem digital forense Manipulação Correlação Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática |
topic |
Lei de Benford Imagem digital forense Manipulação Correlação Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática |
description |
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. |
publishDate |
2022 |
dc.date.none.fl_str_mv |
2022-12-05T14:33:41Z 2022-07-20 2022-07-20T00:00:00Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10400.8/7907 TID:203111958 |
url |
http://hdl.handle.net/10400.8/7907 |
identifier_str_mv |
TID:203111958 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799136999679983616 |