Đánh Giá Các Phương Pháp Phát Hiện Ảnh Số Giả Mạo

Luận văn thạc sĩ VNU UET đánh giá các phương pháp phát hiện ảnh số giả mạo, cung cấp cái nhìn sâu sắc về công nghệ và ứng dụng hiện đại.

• Tác giả: Nguyễn Hữu Tuyến
• Người hướng dẫn: TS. Lê Vũ Hà
• Trường học: Đại học Quốc gia Hà Nội
• Chuyên ngành: Công nghệ thông tin
• Đề tài: Đánh Giá Các Phương Pháp Phát Hiện Ảnh Giả Mạo Trong Luận Văn Thạc Sĩ
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2013
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI NÓI ĐẦU
• 1. CHƯƠNG 1: TỔNG QUAN VỀ NHẬN DIỆN ẢNH GIẢ MẠO
• 2. CHƯƠNG 2: TỔNG QUAN VỀ CÁC KỸ THUẬT PHÁT HIỆN ẢNH SỐ GIẢ MẠO
• 3. CHƯƠNG 3: NGHIÊN CỨU SỬ DỤNG MỘT SỐ PHƯƠNG PHÁP PHÁT HIỆN ẢNH SỐ GIẢ MẠO
• 4. CHƯƠNG 4: ĐÁNH GIÁ CÁC PHƯƠNG PHÁP PHÁT HIỆN ẢNH SỐ GIẢ MẠO
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Đánh Giá Phương Pháp Phát Hiện Ảnh Giả Mạo

Trong bối cảnh công nghệ phát triển nhanh chóng, việc phát hiện ảnh giả mạo trở thành một thách thức lớn. Các phương pháp phát hiện ảnh giả mạo đã được nghiên cứu và phát triển để đảm bảo tính xác thực của thông tin. Bài viết này sẽ đánh giá các phương pháp hiện có, từ đó đưa ra cái nhìn tổng quan về hiệu quả và ứng dụng của chúng trong thực tiễn.

1.1. Lịch Sử Phát Triển Phương Pháp Phát Hiện Ảnh Giả Mạo

Lịch sử phát triển của phương pháp phát hiện ảnh giả mạo bắt đầu từ những năm đầu của nhiếp ảnh. Các kỹ thuật như tút ảnh và ghép ảnh đã được sử dụng từ rất sớm, nhưng với sự phát triển của công nghệ, các phương pháp này đã trở nên tinh vi hơn.

1.2. Tầm Quan Trọng Của Việc Phát Hiện Ảnh Giả Mạo

Việc phát hiện ảnh giả mạo không chỉ quan trọng trong lĩnh vực báo chí mà còn trong nhiều lĩnh vực khác như pháp lý và an ninh. Sự chính xác trong việc phát hiện ảnh giả mạo có thể ảnh hưởng đến quyết định và hành động của con người.

II. Những Thách Thức Trong Việc Phát Hiện Ảnh Giả Mạo

Mặc dù có nhiều phương pháp đánh giá khác nhau, nhưng việc phát hiện ảnh giả mạo vẫn gặp phải nhiều thách thức. Các kỹ thuật giả mạo ngày càng tinh vi, khiến cho việc phát hiện trở nên khó khăn hơn. Bài viết sẽ phân tích những thách thức chính trong việc phát hiện ảnh giả mạo.

2.1. Sự Tinh Vi Của Các Kỹ Thuật Giả Mạo

Các kỹ thuật như sao - chuyển vùng ảnh và ghép ảnh ngày càng trở nên tinh vi, làm cho việc phát hiện trở nên khó khăn hơn. Những kỹ thuật này có thể tạo ra các bức ảnh giả mạo trông rất tự nhiên.

2.2. Thiếu Tính Đồng Nhất Trong Các Phương Pháp

Mỗi phương pháp phát hiện đều có những ưu điểm và nhược điểm riêng. Việc thiếu tính đồng nhất trong các phương pháp này có thể dẫn đến những sai sót trong việc phát hiện ảnh giả mạo.

III. Phương Pháp Phát Hiện Ảnh Giả Mạo Hiện Nay

Có nhiều phương pháp phát hiện khác nhau được áp dụng để nhận diện ảnh giả mạo. Các phương pháp này có thể được phân loại theo nhiều tiêu chí khác nhau, từ kỹ thuật đến ứng dụng thực tiễn. Bài viết sẽ giới thiệu một số phương pháp chính.

3.1. Phương Pháp Dựa Trên Đặc Trưng Điểm Ảnh

Phương pháp này tập trung vào việc phân tích các đặc trưng của từng điểm ảnh trong bức ảnh. Các kỹ thuật như nhân bản và lấy mẫu lại được sử dụng để phát hiện các dấu hiệu giả mạo.

3.2. Phương Pháp Dựa Trên Định Dạng Ảnh

Phương pháp này dựa trên các đặc trưng của định dạng ảnh, như lượng tử hóa JPEG. Việc phân tích các thuộc tính này có thể giúp phát hiện các dấu hiệu của sự giả mạo trong ảnh.

3.3. Phương Pháp Dựa Trên Đặc Điểm Máy Ảnh

Các phương pháp này dựa trên các đặc điểm kỹ thuật của máy ảnh, như cảm biến và ống kính. Việc phân tích các thông số này có thể giúp xác định nguồn gốc của bức ảnh và phát hiện sự giả mạo.

IV. Ứng Dụng Thực Tiễn Của Các Phương Pháp Phát Hiện Ảnh Giả Mạo

Các phương pháp phát hiện ảnh giả mạo không chỉ có giá trị lý thuyết mà còn có nhiều ứng dụng thực tiễn. Từ việc bảo vệ thông tin đến việc đảm bảo tính xác thực trong các lĩnh vực khác nhau, các phương pháp này đóng vai trò quan trọng trong xã hội hiện đại.

4.1. Ứng Dụng Trong Ngành Báo Chí

Trong ngành báo chí, việc phát hiện ảnh giả mạo là rất quan trọng để đảm bảo tính chính xác của thông tin. Các nhà báo cần phải sử dụng các phương pháp phát hiện để xác minh tính xác thực của hình ảnh trước khi công bố.

4.2. Ứng Dụng Trong Pháp Lý

Trong lĩnh vực pháp lý, việc phát hiện ảnh giả mạo có thể ảnh hưởng đến các quyết định pháp lý. Các chuyên gia cần phải sử dụng các phương pháp phát hiện để đảm bảo tính xác thực của chứng cứ.

V. Kết Luận Về Đánh Giá Phương Pháp Phát Hiện Ảnh Giả Mạo

Việc đánh giá các phương pháp phát hiện ảnh giả mạo là cần thiết để cải thiện hiệu quả và độ chính xác của chúng. Các nghiên cứu và thực nghiệm cần được tiếp tục để phát triển các phương pháp mới, đáp ứng tốt hơn với sự phát triển của công nghệ.

5.1. Tương Lai Của Các Phương Pháp Phát Hiện

Tương lai của các phương pháp phát hiện ảnh giả mạo sẽ phụ thuộc vào sự phát triển của công nghệ. Các công nghệ mới như AI có thể mở ra nhiều cơ hội mới trong việc phát hiện ảnh giả mạo.

5.2. Đề Xuất Nghiên Cứu Thêm

Cần có thêm nhiều nghiên cứu để phát triển các phương pháp phát hiện ảnh giả mạo hiệu quả hơn. Việc kết hợp các phương pháp hiện có có thể mang lại kết quả tốt hơn trong việc phát hiện sự giả mạo.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh công nghệ xử lý ảnh phát triển mạnh mẽ, việc tạo ra các bức ảnh số giả mạo ngày càng trở nên tinh vi và khó phát hiện bằng mắt thường. Theo ước tính, hàng nghìn bức ảnh giả mạo được tạo ra mỗi năm nhằm mục đích sai lệch thông tin, vu cáo hoặc làm sai lệch chứng cứ pháp lý. Nghiên cứu này tập trung vào việc đánh giá các phương pháp phát hiện ảnh số giả mạo, đặc biệt là các kỹ thuật phát hiện dựa trên đặc trưng điểm ảnh, định dạng ảnh và đặc điểm máy ảnh. Mục tiêu cụ thể của luận văn là: (1) tìm hiểu các phương pháp giả mạo ảnh số phổ biến; (2) khảo sát các kỹ thuật phát hiện ảnh giả hiện có; (3) cài đặt và thử nghiệm các kỹ thuật để so sánh hiệu quả phát hiện các loại ảnh giả khác nhau. Phạm vi nghiên cứu tập trung vào ảnh số giả mạo được tạo ra trong giai đoạn trước năm 2013, với dữ liệu thử nghiệm lấy từ thư viện ảnh giả CASIA v1.0 gồm 921 ảnh giả mạo và 800 ảnh gốc. Ý nghĩa nghiên cứu được thể hiện qua việc cung cấp các đánh giá khách quan về hiệu quả của từng phương pháp, từ đó đề xuất giải pháp phát hiện ảnh giả tối ưu, góp phần nâng cao độ tin cậy trong các lĩnh vực pháp lý, truyền thông và an ninh mạng.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên ba nhóm lý thuyết chính trong phát hiện ảnh số giả mạo:

1. Phương pháp dựa trên đặc trưng điểm ảnh (Pixel-Based): Tập trung phân tích mối tương quan giữa các điểm ảnh hoặc khối ảnh nhỏ trong bức ảnh để phát hiện các vùng bị sao chép hoặc chuyển vùng (copy-move). Các thuật toán chính bao gồm biến đổi cosin rời rạc (DCT) và phân tích thành phần chính (PCA).

2. Phương pháp dựa trên đặc trưng định dạng ảnh (Format-Based): Khai thác các đặc điểm của định dạng ảnh JPEG như lượng tử hóa JPEG, phần đầu ảnh (header), hiệu ứng khối (blocking) và hiện tượng nén kép (double JPEG) để phát hiện dấu hiệu chỉnh sửa.

3. Phương pháp dựa trên đặc điểm máy ảnh (Camera-Based): Sử dụng các đặc trưng vật lý và kỹ thuật của máy ảnh như quang sai màu (Chromatic Aberration), mảng lọc màu (Color Filter Array - CFA), đáp ứng máy ảnh (Camera Response) và nhiễu có cấu trúc (Pattern Noise) để nhận diện ảnh giả.

Các khái niệm chuyên ngành quan trọng bao gồm: DCT (Discrete Cosine Transform), ELA (Error Level Analysis), CA (Chromatic Aberration), CFA (Color Filter Array), PRNU (Pixel Response Non-Uniformity), JPEG quantization, và thuật toán kỳ vọng cực đại (EM).

Phương pháp nghiên cứu

Nguồn dữ liệu chính là thư viện ảnh giả CASIA v1.0 với 921 ảnh giả mạo và 800 ảnh gốc, phân loại thành 467 ảnh sao - chuyển vùng (copy-move) và 454 ảnh ghép (splicing). Phương pháp nghiên cứu bao gồm:

• Cài đặt và thực nghiệm ba kỹ thuật phát hiện ảnh giả: phương pháp DCT (phân tích biến đổi cosin rời rạc), phương pháp ELA (phân tích mức độ lỗi JPEG) và phương pháp CA (phân tích quang sai màu).

• Phân tích và so sánh hiệu quả phát hiện: sử dụng các chỉ số như tỷ lệ phát hiện đúng (%), khả năng xác định vùng giả mạo, và độ nhạy với các biến đổi ảnh như xoay, thay đổi kích thước, hoặc điều chỉnh ánh sáng.

• Timeline nghiên cứu: Thu thập dữ liệu và cài đặt thuật toán trong 3 tháng đầu; thực nghiệm và thu thập kết quả trong 3 tháng tiếp theo; phân tích và hoàn thiện luận văn trong 2 tháng cuối.

Phương pháp chọn mẫu là sử dụng toàn bộ thư viện CASIA v1.0 để đảm bảo tính đại diện và độ tin cậy của kết quả. Phân tích dữ liệu được thực hiện bằng các thuật toán xử lý ảnh số và thống kê mô tả.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Phương pháp DCT phát hiện ảnh sao - chuyển vùng (copy-move) hiệu quả cao: Tỷ lệ phát hiện đúng đạt 93,4% trên 467 ảnh copy-move, tuy nhiên không phát hiện được ảnh ghép (splicing) với tỷ lệ 0%. Kết quả thực nghiệm cho thấy phương pháp này nhạy cảm với các biến đổi như xoay hoặc thay đổi kích thước vùng nhân bản.

2. Phương pháp ELA phát hiện ảnh ghép (splicing) hiệu quả: Tỷ lệ phát hiện đúng đạt 85% trên 454 ảnh splicing, nhưng không phát hiện được ảnh copy-move (0%). Phương pháp này kém hiệu quả với vùng có đặc điểm phức tạp như cỏ hoặc khi các ảnh gốc có chất lượng JPEG tương đương.

3. Phương pháp CA phát hiện ảnh giả tổng thể: Tỷ lệ phát hiện ảnh giả đạt 37,5% với copy-move và 55,5% với splicing. Phương pháp này chỉ kết luận được sự không đồng nhất về phương sai màu toàn cục, chưa xác định chính xác vùng giả mạo.

4. So sánh tổng thể: Phương pháp DCT và ELA bổ sung cho nhau trong phát hiện hai loại ảnh giả khác nhau. Phương pháp CA có thể hỗ trợ phát hiện dấu hiệu giả mạo tổng quát nhưng chưa đủ chính xác để xác định vùng giả.

Thảo luận kết quả

Nguyên nhân hiệu quả cao của phương pháp DCT trong phát hiện copy-move là do thuật toán dựa trên so sánh xấp xỉ các khối ảnh dựa trên hệ số DCT, phát hiện các vùng nhân bản có đặc trưng tương tự. Tuy nhiên, hạn chế không phát hiện được ảnh ghép do ảnh ghép thường không có vùng trùng lặp trong cùng một ảnh. Phương pháp ELA tận dụng sự khác biệt về mức độ nén JPEG giữa các vùng ảnh ghép, do đó phát hiện tốt ảnh splicing nhưng không áp dụng được cho copy-move. Phương pháp CA dựa trên phân tích quang sai màu, phản ánh sự không đồng nhất về đặc điểm vật lý của máy ảnh, nên chỉ phát hiện được dấu hiệu giả mạo tổng thể mà không xác định vùng cụ thể.

So sánh với các nghiên cứu khác, kết quả phù hợp với xu hướng chung trong lĩnh vực phát hiện ảnh giả, khi không có phương pháp nào tối ưu cho mọi loại giả mạo. Việc kết hợp các phương pháp có thể nâng cao hiệu quả phát hiện. Dữ liệu có thể được trình bày qua biểu đồ so sánh tỷ lệ phát hiện đúng của từng phương pháp trên từng loại ảnh giả, hoặc bảng tổng hợp kết quả thực nghiệm.

Đề xuất và khuyến nghị

1. Phát triển mô hình kết hợp đa phương pháp: Kết hợp phương pháp DCT và ELA để phát hiện đồng thời ảnh copy-move và splicing, nhằm nâng cao tỷ lệ phát hiện tổng thể. Thời gian thực hiện trong 6-12 tháng, do các nhóm nghiên cứu CNTT và xử lý ảnh đảm nhận.

2. Nâng cao khả năng phát hiện biến đổi ảnh: Cải tiến thuật toán DCT để nhận diện vùng giả mạo đã bị xoay hoặc thay đổi kích thước, sử dụng các kỹ thuật biến đổi bất biến như SIFT hoặc SURF. Mục tiêu tăng tỷ lệ phát hiện trên 90% với ảnh biến đổi, thực hiện trong 12 tháng.

3. Phát triển công cụ trực quan hỗ trợ phân tích: Xây dựng phần mềm hỗ trợ hiển thị vùng nghi ngờ giả mạo dựa trên kết quả phân tích, giúp người dùng dễ dàng đánh giá và xác minh. Thời gian phát triển 6 tháng, chủ thể thực hiện là các nhóm phát triển phần mềm.

4. Xây dựng cơ sở dữ liệu tham chiếu đặc trưng máy ảnh: Thu thập và phân tích đặc trưng nhiễu, quang sai màu từ nhiều loại máy ảnh để nâng cao độ chính xác của phương pháp camera-based. Thời gian thực hiện 12-18 tháng, phối hợp giữa viện nghiên cứu và nhà sản xuất thiết bị.

Đối tượng nên tham khảo luận văn

1. Nhà nghiên cứu và sinh viên ngành Công nghệ Thông tin, Xử lý ảnh số: Nắm bắt các phương pháp phát hiện ảnh giả mạo hiện đại, áp dụng trong nghiên cứu và phát triển thuật toán mới.

2. Chuyên gia pháp y kỹ thuật số và điều tra an ninh mạng: Sử dụng các kỹ thuật phát hiện ảnh giả để phân tích chứng cứ hình ảnh trong các vụ án, đảm bảo tính xác thực của dữ liệu.

3. Nhà báo và biên tập viên truyền thông: Hiểu rõ về các kỹ thuật phát hiện ảnh giả để kiểm chứng thông tin, tránh lan truyền tin giả.

4. Nhà phát triển phần mềm và công ty công nghệ: Áp dụng các thuật toán phát hiện ảnh giả vào sản phẩm bảo mật, mạng xã hội hoặc các nền tảng truyền thông số nhằm nâng cao độ tin cậy nội dung.

Câu hỏi thường gặp

1. Phương pháp DCT có thể phát hiện ảnh giả khi vùng nhân bản bị xoay hay thay đổi kích thước không?
   Hiện tại, phương pháp DCT truyền thống không phát hiện được khi vùng nhân bản bị xoay hoặc thay đổi kích thước. Tuy nhiên, các nghiên cứu gần đây đã đề xuất các thuật toán cải tiến để xử lý trường hợp này bằng cách sử dụng các đặc trưng bất biến như SIFT.

2. Phương pháp ELA có thể phát hiện ảnh giả khi các vùng ghép có cùng chất lượng JPEG không?
   Phương pháp ELA kém hiệu quả khi các vùng ghép có chất lượng JPEG tương đương vì không có sự khác biệt về mức độ lỗi nén để phân biệt. Do đó, ELA phù hợp hơn với trường hợp ảnh ghép từ các nguồn có chất lượng khác nhau.

3. Phương pháp CA có thể xác định chính xác vùng bị giả mạo không?
   Phương pháp CA chỉ phát hiện sự không đồng nhất về quang sai màu tổng thể trong ảnh, không xác định được chính xác vùng giả mạo. Nó phù hợp để phát hiện dấu hiệu giả mạo chung nhưng cần kết hợp với các phương pháp khác để xác định vùng.

4. Có thể kết hợp các phương pháp để nâng cao hiệu quả phát hiện không?
   Có, việc kết hợp các phương pháp dựa trên đặc trưng điểm ảnh, định dạng ảnh và đặc điểm máy ảnh giúp phát hiện đa dạng các loại ảnh giả mạo, tăng tỷ lệ phát hiện và giảm sai sót.

5. Phương pháp nào phù hợp để phát hiện ảnh giả trong môi trường thực tế?
   Phương pháp DCT và ELA được đánh giá cao trong phát hiện ảnh giả mạo phổ biến như copy-move và splicing. Tuy nhiên, để áp dụng thực tế, cần kết hợp với công cụ trực quan và cơ sở dữ liệu tham chiếu để nâng cao độ chính xác và khả năng xử lý đa dạng tình huống.

Kết luận

• Luận văn đã đánh giá và so sánh ba phương pháp phát hiện ảnh số giả mạo dựa trên đặc trưng điểm ảnh (DCT), định dạng ảnh (ELA) và đặc điểm máy ảnh (CA).
• Phương pháp DCT hiệu quả cao trong phát hiện ảnh sao - chuyển vùng với tỷ lệ 93,4%, trong khi ELA phát hiện ảnh ghép với tỷ lệ 85%.
• Phương pháp CA phát hiện dấu hiệu giả mạo tổng thể nhưng chưa xác định chính xác vùng giả.
• Hạn chế chính của các phương pháp là khả năng phát hiện biến đổi ảnh như xoay, thay đổi kích thước hoặc chất lượng JPEG tương đương.
• Đề xuất phát triển mô hình kết hợp đa phương pháp và nâng cao thuật toán để cải thiện hiệu quả phát hiện trong tương lai.

Next steps: Triển khai nghiên cứu phát triển mô hình kết hợp, xây dựng công cụ hỗ trợ trực quan và mở rộng cơ sở dữ liệu tham chiếu đặc trưng máy ảnh.

Các nhà nghiên cứu và chuyên gia trong lĩnh vực xử lý ảnh số được khuyến khích áp dụng và phát triển các giải pháp dựa trên kết quả nghiên cứu này nhằm nâng cao độ tin cậy của hình ảnh số trong các ứng dụng thực tế.

Trích đoạn nội dung tài liệu

mở đầu, tôi giới thiệu các ví dụ về hình ảnh giả mạo nổi tiếng trong lịch sử.1Bức ảnh giả Joseph Goebbels đã bị xóa bỏ ra khỏi bức ảnh so với ảnh gốc Năm 1937: Adolf Hitler đã loại JosephGoebbels ra khỏi bức ảnh.2Bức ảnh giả của tướng Grant được cắt ghép từ ba hình ảnh riêng biệt LUAN VAN CHAT LUONG download : add [e-mail] 11 Năm 1964:Một bứcảnh được làm giả với ngụ ý, tổng tư lệnh quân đội miền Nam- tướng Ulysses S. Grant đứng trước quân đội của mình tại thành phố Virginia trong cuộc nội chiến Mỹ. Công việc phát hiện sự giả mạo này được thực hiện bởi một nhóm nhà nghiên cứu tại thư viện quốc hội Mỹ, cho thấy ảnh in này được ghép từ ba bức ảnh riêng biệt. Bức ảnh thứ nhất được lấy từ chân dung của tướng Grant, thứ hai, lấy hình ảnh con ngựa và cơ thể của một vị tướng có tên là Alexander M.McCook và thứ ba, nền được lấy từ một bứ ảnh chụp những tù nhân miền Bắc bị bắt.3Bức ảnh giả chỉnh sửa nhằm tăng độ mạnh của thông tin chiến tranh Tháng 8/2006: một bức ảnh minh họa của hãng tin Reuters xuất hiện trên các trang báo lớn nhỏ trên khắp thế giới.

Nội dung của bức ảnh là những cột khói tỏa lên từ một số tòa nhà cao tầng sau một đợt không kích của không quân Isarel vào Beirut. Nhưng sau đó họ đã phát hiện ra một phần của bức ảnh đã bị người ta sao chép (copy), rồi dán lặp lại nhiều lần trong bức ảnh, nhằm làm tăng liều lượng khói. Bằng cách này hay cách, với mục đích này hay mục đích khác, người ta đã tạo ra rất nhiều bức ảnh giả mạo nhằm phục vụ các mục đích khác nhau. Nhiệm vụ của các nhà khoa học đó là làm thế nào để phát hiện ra các bức ảnh giả đó và chứng minh phương pháp phát hiện của mình là đúng đắn.

Một số phƣơng pháp giả mạo ảnh số thƣờng gặp Kỹ thuật giả mạo ảnh số không khác nhiều so với kỹ thuật giả mạo ảnh thông thường. Thay vì sử dụng các bức ảnh, thì kỹ thuật giả mạo ảnh số sử dụng các ảnh số lưu trên các thiết bị lưu trữ như thẻ nhớ máy ảnh, ổ cứng máy tính… Quá trình tạo ra hình ảnh giả mạo đã được đơn giản rất nhiều với sự phát triến LUAN VAN CHAT LUONG download : add [e-mail] 12 mạnh mẽ của các phần mềm chỉnh sửa hình ảnh, phần mềm đồ họa máy tính như Adobe Photoshop, GIMF, Paint Shop, Corel… Có rất nhiều cách để giả mạo một bức ảnh số. Dựa trên các kỹ thuật tạo ra một bức ảnh giả mạo, người ta có thể phân biệt thành ba nhóm chính: tút ảnh (Retouching),ghép ảnh (Splicing) và sao - chuyển vùng ảnh (Copy-Move). Tút ảnh (Retouching) Loại này có thể coi là ít nguy hiểm nhất trong các cách giả mạo ảnh số.

Hình ảnh bị chỉnh sửa không đáng kể, thay vào đó, nó tăng cường hoặc giảm các thuộc tính nhất định của một hình ảnh. Kỹ thuật này phổ biến đối với các biên tập viên ảnh của tạp chí. Có thể nói rằng hầu như tất cả các trang bìa tạp chí sẽ sử dụng kỹ thuật này để làm các bức ảnh của họ trở nên hấp dẫn hơn.4Hình ảnh ví dụ về ảnh bị làm giả bởi kỹ thuật tút ảnh (retouching) Hình ảnh bên trái là ảnh gốc, ảnh phía bên trái là kết quả của việc chỉnh sửa hình ảnh sử dụng phương pháp Retouching. Ghép ảnh (Splicing) là một kỹ thuật có liên quan đến việc một hỗn hợp gồm hai hay nhiều hình ảnh kết hợp tạo ra một bức ảnh giả mạo.

Trong hình ảnh dưới đây, hình ảnh chú cá mập được sao chép lên hình ảnh nền (máy bay trực thăng cứu hộ) tạo ra một bức ảnh giả hoàn hảo. LUAN VAN CHAT LUONG download : add luanvanchat@agmail.5 Hình ảnh ví dụ về ảnh bị làm giả bởi kỹ thuật cắt ghép (Splicing) 1. Sao - chuyển vùng ảnh (Copy-Move) Kỹ thuật sao - chuyển vùng ảnh về mức độ nguy hiểm tương tự như kỹ thuật ghép ảnh, theo cách nhìn cả hai kỹ thuật này đều làm thay đổi một vùng của ảnh gốc. Tuy nhiên, thay vì cần một hình ảnh bên ngoài như kỹ thuật ghép ảnh, kỹ thuật sao - chuyển vùng ảnh dùng chính vùng trên ảnh gốc để tạo ra bức ảnh giả.

Nói cách khác, nguồn và đích của đều bắt nguồn từ một hình ảnh. Trong một thao tác sao - chuyển vùng ảnh, một phần của ảnh sẽ được cắt và dán đến một vị trí mong muốn của bức ảnh. Điều này thường được thực hiện để che dấu một số chi tiết hoặc nhân bản một số đối tượng trên hình ảnh. Các kỹ thuật làm mờ thường được áp dụng dọc theo biên của khu vực sao - chuyển vùng ảnh để làm giảm hiệu ứng bất thường giữa khu vực gốc và khu vực được sao - chuyển vùng ảnh.

Hình ảnh dưới đây cho thấy một hình ảnh mẫu đã bị giả mạo bằng cách sử dụng sao - chuyển vùng ảnh. Bên trái là ảnh giả và bên phải là ảnh thật.6 Hình ảnh ví dụ về ảnh bị làm giả bởi kỹ thuật sao - chép vùng ảnh Trong khuôn khổ của đề tài, tôi tập trung nghiên cứu cách phát hiệnhai loại ảnh giả là sao - chuyển vùng ảnh và ghép ảnh, có mức độ nguy hiểm lớn vì nó làm sai lệch thông tin so với ảnh gốc. Còn loại ảnh tút ảnh (retouching) - loại LUAN VAN CHAT LUONG download : add [e-mail] 14 ảnh làm đẹp cho các tạp chí, các ảnh quảng cáo với mức độ nguy hiểm thấp, do không làm sai khác nhiều thông tin, sẽ chỉ được giới thiệu ở chương này. LUAN VAN CHAT LUONG download : add [e-mail] 15 Chƣơng 2: TỔNG QUAN VỀ CÁC KỸ THUẬT PHÁT HIỆN ẢNH SỐ GIẢ MẠO Hiện tại trên thế giới cũng có rất nhiều các nhóm nghiên cứu về nhận diện ảnh giả mạo cũng như phát triển các công cụ khác nhau để phát hiện ra ảnh bị làm giả.

Dựa vào các đặc trưng để nhận diện ảnh giả người ta cũng chia ra làm 5 loại [3]: 1) Pixel-Based: dựa vào các dặc trưng củacác điểm ảnh, mỗi liên hệ giữa ở cấp độ điểmảnh của ảnh. 2) Format-Based: dựa trên các đặc trưng của định dạng ảnh, dựa trên mối tương quan thống kê. 3)Camera-Based: dựa trên đặc điểm kỹ thuật của máy ảnh như cảm biến máy ảnh, ống kính hoặc trên chip xử lý máy ảnh. 4) Physically-Based: dựa trên các tính chất vật lý và mối tương tác giữa ánh sáng và máy ánh.

5) Geometric-Based: Dựa trên đặc trưng hình học của các đối tượng. Dựa trên đặc trưng điểm ảnh (Pixel Based) Trong tất cả các ngành khoa học, các đặc điểm đầu tiên được đưa ra phân tích và nhận dạng chính là các nhân tố nhỏ nhất tạo nên cấu trúc của sự vật, hiện tượng (Trong y học nhận dạng nhờ phân tích ADN, tế bào, trong địa chất nhận dạng các phần tử đất, trong hóa học nhận dạng các nguyên tử, phân tử…. Trong lĩnh vực xử lý ảnh, các cấu trúc nhỏ nhất đó chính là các điểm ảnh. Người ta nghiên cứu mối tương quan giữa các điểm ảnh để tìm dấu hiệu của sự giả mạo ảnh kỹ thuật số.Nhân bản (Cloning) Một trong những thao tác cơ bản nhất của việc tạo ra một bức ảnh giả đó là sao - chuyển vùng ảnh(copy-move), một phần hình ảnh sẽ được che giấu bởi một người hoặc một đối tượng trong cảnh.

Các thao tác sao - chuyển vùng ảnh được thực hiện trên cùng một bức ảnh nên nó sẽ xuất hiện các vùng giống nhau trên bức ảnh giả, các khu vực này chính là bằng chứng của giả mạo. Ta có thể dễ dàng tìm kiếm hai khu vực giống hệt nhau trong hình ảnh bằng cách so sánh các giá trị của điểm ảnh hoặc các khối ảnh với nhau. Tuy nhiên, nếu vùng nhân bản đó bị thay đổi kích thước hay màu sắc, hay bị nén JPEG, nó sẽ gây ra sự khó khăn trong việc so sánh để tìm ra các vùng nhân bản. Hiện nay, có hai phương pháp chính nghiên cứu để phát hiện ra các vùng nhân bản của ảnh giả dạng sao - chuyển vùng ảnh.

Thứ nhất đó là phương pháp dựa trên thuật toán dãy biến đổi cosin rời rạc (DCT). Khu vực nhân bản sẽ được LUAN VAN CHAT LUONG download : add [e-mail] 16 phát hiện bởi từ điển phân loại khối hệ số DCT và nhóm các khối tương tự. Thứ hai đó là phương pháp dựa trên việc phân tích thành phần chính (PCA), việc sử dụng PCA nhằm xác định các vector cơ sở và tìm khu vực trùng lặp phát hiện bởi từ điển phân loại khối vector cơ sở và nhóm các khối tương tự. Lấy mẫu lại (Re-sampling) Để tạo ra một bức ảnh thuyết phục, người ta có thể phải thay đổi kích thước, xoay ảnh hoặc kéo dài các phần của hình ảnh.

Quá trình này yêu cầu lấy mẫu lại (re-sampling) vào một lưới mẫu mới. Mặc dù việc lấy mẫu lại bình thường không dễ nhận thấy, nhưng nó có mối tương quan đặc biệt với hình ảnh, khi phát hiện nó có thể được sử dụng làm bằng chứng của sự giả mạo. Xét ví dụ đơn giản với tín hiệu một chiều x(n) có độ dài là M. Lấy mẫu lại tín hiệu này để có tín hiệu mới là y(n) có độ dài 2M.

Các mẫu lẻ của tín hiệu được lấy mẫu lại bằng giá trị của tín hiệu ban đầu: y(2i-1)= x(i), i=1,… 𝑀 ,. Các mẫu chẵn sẽ là trung bình của các tín hiệu liền kề.2) 2 2 Ta thấytrong tín hiệu được lấy mẫu lại y(n), mỗi giá trị là sự kết hợp tuyến tính của hai giá trị lân cận. Trong trường hợp đơn giản này, một tín hiệu lấy mẫu lại có thể được phát hiện bởi tất cả các giá trị mẫu đều có sự tương quan với các giá trị lân cận chúng và tương quan đó xuất hiện theo chu kỳ. Thuật toán kỳ vọng cực đại (EM) có thể được sử dụng để tìm sự tương quan.

Thuật toán EM bao gồm hai bước lặp: 1) Bước kỳ vọng: Tính xác suất ước lượng các điểm ảnh có thể tương quan với các điểm lân cận. 2) Bước cực đại: Các dạng cụ thể của các mối tương quan giữa các điểm ảnh được ước tính. Giả sử có một mô hình nội suy tuyến tính, bước kỳ vọng làm giảm ước lượng Bayesian và bước cực đại làm giảm trọng số các khoảng ước lượng. Xác suất ước tính sau đó được sử dụng để xác định nếu một phần của hình ảnh đã được lấy mẫu lại.

Ghép (Splicing) LUAN VAN CHAT LUONG download : add [e-mail] 17 Một hình thức phổ biến của việc giả mạo ảnh số đó là ghép hai hoặc nhiều ảnh vào với nhau.