High Quality JPEG Compressor Detection via ...
Type de document :
Autre communication scientifique (congrès sans actes - poster - séminaire...): Communication dans un congrès avec actes
Titre :
High Quality JPEG Compressor Detection via Decompression Error
Auteur(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]
Titre de la manifestation scientifique :
GRETSI
Ville :
Nancy
Pays :
France
Date de début de la manifestation scientifique :
2022-09-06
Discipline(s) HAL :
Informatique [cs]/Traitement des images [eess.IV]
Résumé :
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 ...
Lire la suite >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.Lire moins >
Lire la suite >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.Lire moins >
Résumé en anglais : [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 ...
Lire la suite >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.Lire moins >
Lire la suite >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.Lire moins >
Langue :
Anglais
Comité de lecture :
Oui
Audience :
Nationale
Vulgarisation :
Non
Collections :
Source :
Fichiers
- https://hal.archives-ouvertes.fr/hal-03697777/document
- Accès libre
- Accéder au document
- https://hal.archives-ouvertes.fr/hal-03697777/document
- Accès libre
- Accéder au document
- https://hal.archives-ouvertes.fr/hal-03697777/document
- Accès libre
- Accéder au document
- https://hal.archives-ouvertes.fr/hal-03697777/document
- Accès libre
- Accéder au document
- document
- Accès libre
- Accéder au document
- papier.pdf
- Accès libre
- Accéder au document