Leveraging image noise: source camera identification and increased robustness of convolutional neural networks

Ruis in videobeelden verraadt dader in zedendelict

Elke camera heeft wel iets van ruis in het beeld: kleine vlekjes, vaak voor het blote oog onzichtbaar, vormen als het ware een unieke vingerafdruk van het apparaat. Dit kan gebruikt worden voor forensisch onderzoek naar digitale beelden, bijvoorbeeld bij video's of foto's van seksueel misbruik van kinderen. 

In zijn promotieonderzoek ontwikkelde Swaroop Bennabhaktula methoden om zulke beeldruis in afbeeldingen te gebruiken om te herleiden met welk apparaat de beelden gemaakt zijn. Dit kan bijdragen aan de opsporing van de dader. Bennabhaktula wist een nauwkeurigheid van 99,01% te bereiken op een testdataset met foto's, maar concludeert ook dat de ontwikkelde methoden nog niet direct toepasbaar zijn op videos, al zijn videos die gebruik maken zogenaamde I-frames wel te analyseren met zijn methodes.

Verder werkte Bennabhaktula aan een ander probleem dat te maken heeft met beeldruis: automatische beeldherkenning met Convolutioneel Neuraal Netwerken wordt soms juist door die beeldruis verstoord, en Bennabhaktula presenteert twee technieken om dit probleem aan te pakken. De ene is een voorbewerkingsstap die de contouren op hoog niveau in een afbeelding benadrukt terwijl de textuur op laag niveau en ruis worden onderdrukt. De andere methode brengt veranderingen aan in het Neurale Netwerk, waardoor de modellen robuuster worden. 

Swaroop Bennabhaktula voerde zijn onderzoek uit bij het Bernoulli Institute for Mathematics, Computer Science and Artificial Intelligence, afdeling Information Systems, met financiering van het Internal Security Fund van de Europese Commissie en het Spanish National Cybersecurity Institute (INCIBE). Hij vervolgt zijn loopbaan als postdoc bij de Rijksuniversiteit Groningen. 

Proefschrift: https://hdl.handle.net/11370/b0e6c19a-4318-4f2d-b640-c504f1df1206