JPEG-based forensics through convolutional neural networks

Due to the wide diffusion of JPEG coding standard, the forensic community has devoted significant attention to the development of image authenticity detectors based on the analysis of JPEG traces. Given the trend recently gained by convolutional neural networks (CNN) in many computer vision tasks, in this thesis we propose to use CNNs for JPEG-based forensics. Among the many JPEG-based forensic problems, one of the most stud- ied is double JPEG (DJPEG) compression detection. Indeed, the ability of detecting whether an image has been compressed once or twice provides paramount information toward image authenticity assessment. For this rea- son, we focus on exploring the capability of CNNs to capture DJPEG artifacts directly from images. Results show that the proposed CNN-based detectors achieve good performance in situations considered particularly challenging in the literature: i) analysis of small sized images (i.e., 64 × 64); ii) analysis of the case in which the first JPEG compression has higher quality than the second one. To further explore the flexibility of CNNs for JPEG-based forensic tasks, we also investigated two additional related problems. We considered quality factor estimation and software identification to this extent. Results show that satisfactory accuracies can be reached despite the challenging nature of these problems.

Data la grande diffusione dello standard di codifica JPEG, negli ultimi anni la comunità forense ha dedicato una sempre crescente attenzione allo sviluppo di tecniche per l’analisi delle tracce da essa lasciate. Al contempo, si è anche assistito ad un forte slancio nell’impiego di reti neurali convolutive (CNN) in vari ambiti di computer vision. Per i suddetti motivi, in questa tesi proponi- amo l’uso di CNN per problemi forensi legati alla compressione JPEG. Fra i tanti casi, uno dei più affrontati in letteratura è quello di determinare se un’immagine sia stata sottoposta ad una doppia compressione (DJPEG). Tale informazione è infatti di grande aiuto nello stabilire l’autenticità della stessa. Lo scopo di questo lavoro è di esplorare le capacità delle CNN di catturare le tracce lasciate dalla doppia compressione partendo direttamente dall’immagine. I risultati mostrano che i modelli proposti raggiungono buone performance anche in situazioni considerate particolarmente difficili dalla let- teratura: i) analisi di immagini di piccole dimensioni (i.e., 64 × 64); ii) analisi nel caso in cui la prima compressione avvenga ad una qualità maggiore della seconda. Per esplorare la flessibilità delle CNN in questo campo, abbiamo investigato due problemi minori. Abbiamo considerato la stima del fattore di qualità e l’identificazione del software adoperato per la compressione. I risul- tati mostrano come si possano raggiungere accuratezze soddisfacenti nonos- tante l’ardua natura di questi problemi.