Análise Forense de Documentos: Atualidades, Desafios e Tendências

Transcrição

Análise Forense de Documentos:
Atualidades, Desafios e
Tendências
Prof. Dr. Anderson Rocha
Microsoft Research Faculty Fellow
Affiliate Member, Brazilian Academy of Sciences
Reasoning for Complex Data (Recod) Lab.
[email protected]
http://www.ic.unicamp.br/~rocha
Reasoning for Complex Data (RECOD) Lab.
Instituto de Computação,
Universidade Estadual de Campinas (Unicamp)
Av. Albert Einstein, 1251 - Cidade Universitária
CEP 13083-970 • Campinas/SP - Brasil
* Pintura de Rajib Roy, Case Investigation - 2012
“Alguns” interesses
A. Rocha, 2012 – Análise Forense de Documentos: Atualidades, Desafios e Tendências
2
‣ Visão Computacional
2
‣ Multimídia Forense
•
Imagem/Vídeo/Texto
2
•
Imagem/Vídeo/Texto
‣ Multi-classificação
2
•
‣ Biometria
Imagem/Vídeo/Texto
2
•
‣ Biometria
‣ Privacidade Digital
Imagem/Vídeo/Texto
2
Cinco professores em dedicação integral
A. Rocha
– Visão Comp.
– Aprendizado de Máquina
– Comp. Forense
E. Valle
– Rec. da Informação
– Aprendizado de Máquina
– Bancos de Dados MM
J. Wainer
– Inteligência Artificial
– Informática Médica
– Informática e Sociedade
R. Torres
– Bancos de Dados
– Rec. da Informação
– Proc. de Imagens
S. Goldenstein
– Visão Comp.
– Comp. Gráfica
– Comp. Forense
3
Algumas Parcerias
BROWN
4
Motivação
Fatos
‣ Acesso facilitado às tecnologias
ano, os preços das câmeras digitais
‣ Asãocada
reduzidos à metade (qualidade ↑ )
em 2007/2008 – 51M câmeras
‣ $11.8B
vendidas
acessíveis para edição de
‣ Tecnologias
imagens e vídeos
6
Fatos
‣ Estamos vivendo a era do “Big Data”
‣ Tera/Hexa/Peta-bytes de Dados
‣ Diante de tantos dados, como inferir algo e
achar informações úteis? Como validar os
dados? Como autenticar?
7
Problema crescente
Adult
erado
8
Problema crescente
Adult
erado
8
Problema crescente
Adult
erado
8
Problema crescente
Adult
erado
8
Problema crescente
Adult
erado
8
Problema crescente
Adult
erado
8
Problema crescente
Adult
erado
8
Problema crescente
Adult
erado
8
Problema crescente
9
Problema crescente
9
Problema crescente
9
Problema crescente
9
Problema crescente
9
11
Organização
Organização
‣
‣
‣
‣
Introdução
‣
Desafios
Terminologia
Aspectos Históricos
Técnicas que estamos desenvolvendo no IC/
Unicamp
13
Introdução
Definição Geral
‣
O que é Computação Forense Digital?
“
É o conjunto de técnicas científicas para a
preservação, coleção, validação, identificação, análise,
interpretação, documentação e apresentação de
evidências derivadas de meios digitais com a
finalidade de facilitar e/ou permitir a reconstrução
de eventos, usualmente de natureza criminal
”
Edward Delp – Purdue University
15
Pipeline geral
‣ Coleta de evidências
• Arquivos
• File-Carving vs. Smart File Carving
16
Pipeline geral
‣ Agrupamento
• Meta-dados
• Imagens similares
• Faces
• Tons de pele
• Objetos similares
17
Pipeline geral
‣ Análise, Classificação e Autenticação
• Adulteração de objetos
• Atribuição
• Mensagens escondidas
• Filogenia
• Spoofing
• etc.
18
Pipeline geral
‣ Atribuição
• Modelo de câmera/scanner/filmadora
• Casamento de câmera/scanner/filmadora
• Imagem sintética vs Imagens Naturais
19
Multimídia Forense
‣
O que é Multimídia Forense ou Análise Forense de
Documentos (AFD)?
•
•
Campo de Pesquisas dentro da Computação Forense
Objetivos
‣ Atribuição de origem
‣ Verificação de autenticidade
‣ Reconstrução de eventos de manipulação
20
Análise Forense Digital
21
l
a
n
i
rig
O
o
d
a
r
lte
Adu
Is it Fake or Real?
22
+
=
Detecção de Mensagens Escondidas
23
© Autodesk
© Autodesk
© Autodesk
© Autodesk
© Autodesk
© Autodesk
24
Fake
© Autodesk
© Autodesk
© Autodesk
© Autodesk
© Autodesk
© Autodesk
24
Fake
© Autodesk
© Autodesk
© Autodesk
© Autodesk
© Autodesk
© Autodesk
Fake
24
Fake
Fake
© Autodesk
© Autodesk
© Autodesk
© Autodesk
© Autodesk
© Autodesk
Fake
24
25
26
27
Filogenia de Documentos Digitais
28
Aspectos
Históricos
* Pintura de Rajib Roy,Inner Me - 2012
Two ways of life de Oscar Rejland, 1857.
30
Uma das fotos mais impressionantes de 2006 – Liu Weiqiang do “Daqing Evening News”.
31
Descobertas
Recentes
Descobertas Recentes
Protesto em Roma, 2004.
D. Sacchi, F. Agnoli, E. Loftus. Applied Cognitive Psychology,
vol. 21, n. 8, 249-273, 2007.
Créditos para Stwart Franklin, 1989
Beijing, 1989.
D. Sacchi, F. Agnoli, E. Loftus. Applied Cognitive Psychology,
vol. 21, n. 8, 249-273, 2007.
(a) Deleção (b) Remoção
(c) Replicação
Topo direita: healing. Abaixo: mapas de textura
Fraudes na Ciência.
H. Farid. Exposing Digital Forgeries in Scientific Images. ACM
Multimedia and Security Workshop, 2006.
Análise High-Profile
36
36
36
36
Questões
Importantes
Questões Importantes
‣
‣
Análise Passiva e Cega?
Watermarking?
38
Esforços de
Pesquisa
Esforços de Pesquisa
‣
‣
‣
‣
‣
Detecção de Falsificações
Identificação de Geração por Computador
Identificação de Fontes
Filogenia de Documentos
40
Pipeline de uma câmera
Luz
Sistema de Lentes
Filtros
Exposição, Foco e
Estabilização da Imagem
Infra-vermelho,
anti-aliasing,
max. qualidade visível
Proc. Imagem (DIP)
Sensores de Imageamento
•
•
•
•
Fotografia
Resultante
•
Demosaico
Correções (white),
Realce
Correção de
Abertura e Gamma
Compressão...
CCD, CMOS...
Mosaico
Color Filter Arrays
(CFA)...
41
Estado da Arte
agrupar as principais abordagens nas
‣ Podemos
seguintes categorias não exclusivas
1. Técnicas para detecção de clonagem (cópiacolagem)
2. Técnicas que analisam variações em
descritores de características
3. Técnicas que analisam inconsistências em
descritores de características
42
Estado da Arte
forma geral, podemos agrupar as principais
‣ De
abordagens em
4. Técnicas que analisam inconsistências relativas
ao processo de aquisição
5. Técnicas que analisam inconsistências de
iluminação
6. Técnicas que analisam inconsistências de
compressão
43
Estado da Arte
‣
‣
‣
‣
‣
44
Estado da Arte
‣ Podemos
• Identificação do modelo do dispositivo de
aquisição
• Identificação do tipo específico de dispositivo
de aquisição
45
Estado da Arte
‣
‣
‣
‣
‣
46
Estado da Arte
‣ Podemos
• Abordagens baseadas na estimativa das
transformações a partir do conteúdo dos
documentos
• Abordagens baseadas na estimativa das
transformações a partir de assinaturas de
captura
47
Algumas Abordagens
Saboia, Carvalho & Rocha, 2011
Detecção de Fotomontagens
Análise de Reflexos Oculares
‣ Reflexos oculares (peq. brancos na íris) podem nos
dar pistas importantes em relação a uma
composição envolvendo pessoas
‣ A posição de um reflexo ocular é determinada pela
• posição relativa da fonte de luz
• a superfície de reflexão
• visualizador
49
‣ Reflexos oculares podem fornecer informações
poderosas quanto à forma, cor, localização da
fonte de iluminação em uma cena
50
‣ A lei da reflexão da Física diz que um raio de
luz reflete a partir de uma superfície em um
ângulo de reflexão igual ao ângulo de incidência
medidos em relação a uma superfície normal
51
Reflexão Especular
‣
É a reflexão da luz de uma superfície onde a reflexão
incidente se reflete em um ângulo igual ao ângulo de
incidência.
©Saboia e Carvalho
32
Imagem para Análise
© A. Rocha
Fonte de Luz
Modelagem e Estimação da
Direção de Iluminação
~
Θ
~
U
θi
θr
Localização e Extração de
Características
~R
~V
=
Modelo Computacional
do Olho
Câmera
53
Visão geral do Método
36
37
‣ Assumindo! vetores unitários, a direção do raio
refletido R pode ser escrita em termos da
~ e a normal de superfície U
!
direção da luz Θ
⇥ =Θ
⇥ + 2(cos(θi )U
⇥ − Θ)
⇥
R
⇥ − Θ.
⇥
= 2cos(θi )U
‣
! ),
Assumindo-se um refletor perfeito ( V! = R
⇥ = 2cos(θi )U
⇥ −V
⇥
Θ
⇥ TU
⇥ )U
⇥ −V
⇥.
= 2(V
56
‣
~ pode ser
Com isso, a direção de iluminação Θ
estimada a partir da normal de superfície U! e a
direção de visualização V! em um reflexo ocular
‣ Problemas?
• Reflexos oculares são pequenos
• Ataques contra-forenses possíveis
57
58
Algumas Abordagens
Dias, Rocha & Goldenstein, 2012
Filogenia de Imagens
Buscando na Web...
60
Buscando na Web...
61
Como achar o original?
‣
Imagens são copiadas aqui a acolá sem controle
•
•
•
•
Reamostragens
Correções de cor
Re-compressões
Possivelmente outras transformações
62
‣
Identificar em um conjunto de imagens
duplicadas, qual documento é o original e qual é
a estrutura de geração de cada duplicação
‣
Queremos contar a história das transformações
que originaram cada duplicação
63
64
‣
Aplicações
64
‣
Aplicações
•
Segurança (comportamento de suspeitos, direções de
distribuição de conteúdo)
64
‣
Aplicações
•
•
Forense (análise mais sofisticadas em documentos mais
próximos da raiz)
64
‣
Aplicações
•
•
próximos da raiz)
•
Copyright Enforcement (sem WM ou Fingerprinting)
64
‣
Aplicações
•
•
próximos da raiz)
•
•
Rastreamento de Arquivos/Docs (worms, virus, documentos
gerais)
64
‣
Aplicações
•
•
próximos da raiz)
•
•
•
Rastreamento de Notícias (padrões de notícias, aceitação)
Rastreamento de Arquivos/Docs (worms, virus, documentos
gerais)
64
Dois subproblemas
65
Dois subproblemas
‣ SP #1
65
Dois subproblemas
‣ SP #1
• Definir boas funções de (dis)similaridade
entre imagens d(I,J)
65
Dois subproblemas
‣ SP #1
‣ SP #2
65
Dois subproblemas
‣ SP #1
‣ SP #2
• Algoritmos para construir as árvores
filogenéticas de imagens a partir das
matrizes de (dis)similaridades
65
(Dis)similaridade
66
(Dis)similaridade
‣ (Dis)similaridade não é uma métrica
66
(Dis)similaridade
a distância “generalizada” entre
‣ Mede
imagens
66
(Dis)similaridade
a distância “generalizada” entre
‣ Mede
imagens
a respeito do recorte ou
‣ Pensem
reamostragem. Essas são operações são
simétricas?
66
(Dis)similaridade
67
(Dis)similaridade
‣ Definimos uma família de transformações de
imagem parametrizadas por β.
67
(Dis)similaridade
‣ Definimos uma família de transformações de
imagem parametrizadas por β.
‣ Seja d ( i, j ) =
| Ij - Tβ(Ii) |,
ache βmin que minimiza dβ( i, j ) e
d( i, j ) = dβmin( i, j )
β
67
Kruskal Orientado
68
Resultados
69
Resultados
conseguimos lidar com rotações,
‣ Atualmente
recorte, brilho, contraste, gamma, recompressão etc.
69
Resultados
‣ Atualmente
recentes mostram que conseguimos
‣ Resultados
identificar a raiz da árvore em 98% das vezes
para árvores com até 50 nós
69
Resultados
‣ Atualmente
recentes mostram que conseguimos
‣ Resultados
identificar a raiz da árvore em 98% das vezes
para árvores com até 50 nós
que isso, acertamos a estrutura da árvore
‣ Mais
(e.g., aresta, ancestralidade, folhas) em mais de
75% das vezes!
69
Outras Abordagens
Recentes em
Nosso Lab.
Outras Abordagens
71
Outras Abordagens
‣ Shoeprints
71
Outras Abordagens
‣ Shoeprints
‣ Medição de Objetos em Fotografia
71
Outras Abordagens
‣ Shoeprints
‣ Atribuição de Fonte em Cenário Aberto
71
Outras Abordagens
‣ Shoeprints
‣ Identificação de Ataques a Sistemas Biométricos
71
Outras Abordagens
‣ Shoeprints
‣ Identificação de Ataques a Sistemas Biométricos
‣ Verificação de Cópia/Colagem em Imagens
71
Shoeprints
72
Medição de Objetos
73
Atribuição em Cenário Aberto
74
Ataques a Sistemas Biométricos
75
Detecção de Cópia & Colagem
76
Desafios
Desafios
‣
‣
Avaliação de performance e benchmarking
‣
Conjuntos de dados precisam ser criados e
compartilhados
‣
Aspectos de Robustez (Ataques) precisam ser
discutidos
Abordagens apresentam (principalmente)
provas de conceito
78
Conclusões
Conclusões
‣ A área de Análise Forense de Documentos está
em seu início
‣ Diversos e fascinantes problemas em aberto
‣ Técnicas contra-forenses são positivas para a
evolução da área
‣ Arm’s race
80
Conclusões
‣ Esforços multi-disciplinares
• Propriedades físicas de equipamentos de captura
e suas propriedades estatísticas
•
Mineração, indexação, clusterização e resumo de
dados (Bancos de Dados)
•
Análise de padrões, aprendizado e heurísticas
(Inteligência Artificial)
81
Conclusões
‣ Esforços multi-disciplinares
• Proc. de Imagens e Vídeos e Visão
Computacional
•
Teoria da Computação para desenvolvimento de
abordagens eficientes e computacionalmente
viáveis
•
etc.
82
Conclusões
“
Um trabalho colaborativo e multi-disciplinar, com a
utilização de diversas áreas do conhecimento, bem
como a conscientização crítica de pesquisadores e
entusiastas podem nos conduzir um passo à frente
”
A. Rocha (2010)
83
Agradecimentos
‣ Família
‣ Meus alunos (IC, MSc. Ph.D.)
‣ Colegas e co-autores
‣ Fapesp, Capes, CNPq
‣ Microsoft Research e Samsung
‣ À organização do evento pela oportunidade
84
Obrigado!
Análise Forense de Documentos:
Atualidades, Desafios e
Tendências
Prof. Dr. Anderson Rocha
Microsoft Research Faculty Fellow
Affiliate Member, Brazilian Academy of Sciences
Reasoning for Complex Data (Recod) Lab.
[email protected]
http://www.ic.unicamp.br/~rocha
Reasoning for Complex Data (RECOD) Lab.
Instituto de Computação,
Universidade Estadual de Campinas (Unicamp)
Av. Albert Einstein, 1251 - Cidade Universitária
CEP 13083-970 • Campinas/SP - Brasil

Análise Forense de Documentos: Atualidades, Desafios e Tendências

Transcrição

Documentos relacionados

procuradoria geral do município do rio de janeiro coordenadoria

TGA - Unisinos

TGA - Unisinos

DP424 - Portal do Direito UFPR

Formação em Perito Forense Computacional

TRAUMATOLOGIA FORENSE E O ESTUDO DAS LESÕES

AVALIAÇÃO SEGURANÇA DE REDES Questão 01. Um Live

publico alvo objetivo programação palestrante

slides - Marcos Monteiro

curso teórico-prá