High Quality JPEG Compressor Detection via ...
Document type :
Autre communication scientifique (congrès sans actes - poster - séminaire...): Communication dans un congrès avec actes
Title :
High Quality JPEG Compressor Detection via Decompression Error
Author(s) :
Butora, Jan [Auteur]
Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 [CRIStAL]
Bas, Patrick [Auteur]
Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 [CRIStAL]
Bas, Patrick [Auteur]
Conference title :
GRETSI
City :
Nancy
Country :
France
Start date of the conference :
2022-09-06
HAL domain(s) :
Informatique [cs]/Traitement des images [eess.IV]
French abstract :
Dans ce travail, nous allons rechercher quel compresseur JPEG a été utilisé pour développer des images JPEG compressées avec un facteur de qualité de 100. Nous le faisons en inspectant les erreurs d'arrondi de l'image ...
Show more >Dans ce travail, nous allons rechercher quel compresseur JPEG a été utilisé pour développer des images JPEG compressées avec un facteur de qualité de 100. Nous le faisons en inspectant les erreurs d'arrondi de l'image décompressée. Sous quelques hypothèses simples, nous pouvons dériver une distribution probabiliste de ces erreurs d'arrondi et détecter si le signal d'une image JPEG donnée suit une telle distribution. Toutefois, la compression JPEG peut être mise en oeuvre de nombreuses fac ¸ons différentes, ce qui peut affecter considérablement les hypothèses formulées. Cela peut conduire à une sous-performance importante d'un détecteur forensique qui peut être sensible au compresseur. Nos résultats sur le jeu de données Alaska montrent que nous pouvons créer un détecteur d'apprentissage profond qui, avec une précision proche de 100%, détermine quel compresseur JPEG a été utilisé pour la compression de l'image.Show less >
Show more >Dans ce travail, nous allons rechercher quel compresseur JPEG a été utilisé pour développer des images JPEG compressées avec un facteur de qualité de 100. Nous le faisons en inspectant les erreurs d'arrondi de l'image décompressée. Sous quelques hypothèses simples, nous pouvons dériver une distribution probabiliste de ces erreurs d'arrondi et détecter si le signal d'une image JPEG donnée suit une telle distribution. Toutefois, la compression JPEG peut être mise en oeuvre de nombreuses fac ¸ons différentes, ce qui peut affecter considérablement les hypothèses formulées. Cela peut conduire à une sous-performance importante d'un détecteur forensique qui peut être sensible au compresseur. Nos résultats sur le jeu de données Alaska montrent que nous pouvons créer un détecteur d'apprentissage profond qui, avec une précision proche de 100%, détermine quel compresseur JPEG a été utilisé pour la compression de l'image.Show less >
English abstract : [en]
In this work we will investigate which JPEG compressor was used to develop JPEG images compressed with quality factor100. We will do this by inspecting the rounding errors of the decompressed image. Under a few simple ...
Show more >In this work we will investigate which JPEG compressor was used to develop JPEG images compressed with quality factor100. We will do this by inspecting the rounding errors of the decompressed image. Under a few simple assumptions, we can derive aprobabilistic distribution of such rounding errors and detect whether this signal from a given JPEG image follow such a distribution. However,JPEG compression can be implemented in many different ways, which can greatly affect the assumptions made. This can lead to severeunderperformance of a forensic detector that is not aware of possible differences caused by different compressors. Our results on Alaska datasetshow that we can create a deep learning detector, which will with accuracy close to 100% correctly classify the JPEG compressor used for theimage compression.Show less >
Show more >In this work we will investigate which JPEG compressor was used to develop JPEG images compressed with quality factor100. We will do this by inspecting the rounding errors of the decompressed image. Under a few simple assumptions, we can derive aprobabilistic distribution of such rounding errors and detect whether this signal from a given JPEG image follow such a distribution. However,JPEG compression can be implemented in many different ways, which can greatly affect the assumptions made. This can lead to severeunderperformance of a forensic detector that is not aware of possible differences caused by different compressors. Our results on Alaska datasetshow that we can create a deep learning detector, which will with accuracy close to 100% correctly classify the JPEG compressor used for theimage compression.Show less >
Language :
Anglais
Peer reviewed article :
Oui
Audience :
Nationale
Popular science :
Non
Collections :
Source :
Files
- https://hal.archives-ouvertes.fr/hal-03697777/document
- Open access
- Access the document
- https://hal.archives-ouvertes.fr/hal-03697777/document
- Open access
- Access the document
- https://hal.archives-ouvertes.fr/hal-03697777/document
- Open access
- Access the document
- https://hal.archives-ouvertes.fr/hal-03697777/document
- Open access
- Access the document
- document
- Open access
- Access the document
- papier.pdf
- Open access
- Access the document