Using Wavelet Domain Fingerprints to Improve Source Camera Identification

في عالم الأدلة الجنائية الرقمية، تحمل كل صورة توقيعًا خفيًا خلفته الأداة التي التقطتها. هذا التوقيع ليس علامة مرئية أو رقمًا تسلسليًا، بل هو نمط عشوائي دقيق من الضجيج المتأصل في مستشعر الكاميرا، تمامًا مثل الحبيبات الفريدة الموجودة في قطعة معينة من الأفلام. يُعرف هذا بضجيج نمط المستشعر، وهو ناتج عن عملية التصنيع، مما يضمن عدم تطابق مستشعرين لكاميرتين تمامًا. ولأن هذا الضجيج يكون مدمجًا في كل صورة تلتقطها الكاميرا، فإنه يعمل كأداة قوية للمحققين لتحديد مصدر الصورة، أو التحقق من صحتها، أو ربط صورة مشتبه بها بجهاز معين. وتعد هذه العملية حيوية في القضاية القانونية المتعلقة بالمراقبة، والجرائم السيبرانية، والتحقق من الأدلة، حيث يمكن أن يكون إثبات مصدر الصورة هو الفارق بين الإدانة والتبرئة.

تقليديًا، كان استخراج هذا البصمة الخفية مهمة ثقيلة حسابيًا. وتتضمن الطريقة القياسية أخذ صورة، وتجريدها من المحتوى المرئي لعزل الضجيج، ثم إعادة بناء ذلك الضجيج مرة أخرى إلى صورة كاملة الحجم لمقارنتها بالصور الأخرى. خطوة إعادة البناء هذه ضرورية لأن الضجيج يكون مخفيًا في البداية داخل تحويلات رياضية معقدة تفكك الصورة إلى مكونات ترددية مختلفة. ومع ذلك، فإن عملية تفكيك وإعادة بناء الصورة تستغرق وقتًا وقدرة حوسبية كبيرة، مما يخلق عنق زجاجة عندما يتعين على المحللين فحص آلاف الصور للعثور على تطابق.

لقد طور فريق من الباحثين من جامعة باث وشركة CameraForensics طريقة لتجاوز عنق الزجاجة هذا تمامًا. فبدلاً من إعادة بناء الضجيج إلى صورة مرئية قبل المقارنة، اقترحوا إجراء المقارنة مباشرة على الشظايا الرياضية التي تشكل الضนี้. ومن خلال إبقاء البيانات في حالتها المحولة، ألغوا الحاجة إلى إعادة بناء الصورة، مما أدى إلى تبسيط العملية دون فقدان المعلومات الحيوية اللازمة لتحديد الهوية. ويُظهر عملهم أن هذا النهج لا يسرع عملية التحليل فحسب، بل يحافظ أيضًا على الدقة، وفي بعض الحالات يحسنها، في تحديد الكاميرا التي التقطت الصورة.

اختبر الباحثون طريقتهم الجديدة، والتي يسمونها "بصمة مجال المويجات" (wavelet domain fingerprint)، مقابل التقنيات الراسخة باستخدام قواعد بيانات صور من العالم الحقيقي. وفي تجربة تضمنت صورًا من 26 كاميرا مختلفة، قارنوا كل زوج ممكن من الصور لمعرفة ما إذا كان النظام يمكنه تحديد التطابقات بشكل صحيح. وأظهرت النتائج أن نهجهم المبسط كان أسرع بكثير من الطريقة التقليدية؛ فبينما استغرقت الطريقة القديمة ما يقرب من 97 ثانية لإكمال مجموعة المقارنات بأكملها، أنهت الطريقة الجديدة المهمة نفسها في أقل من 38 ثانية. وقد تحقق هذا الاختزال في الوقت من خلال تخطي الخطوة النهائية المتمثلة في تحويل البيانات الرياضية مرة أخرى إلى صورة، مما قلل أيضًا من كمية البيانات التي يجب تخزينها ومعالجتها أثناء المقارنة.

كانت الدقة لا تقل أهمية عن السرعة. ووجد الباحثون أن طريقتهم لم تكن أسرع فحسب، بل كانت أكثر دقة أيضًا. فعند قياس القدرة على تحديد الصور من نفس الكاميرا بشكل صحيح، حقق النهج الجديد معدل نجاح أعلى من التقنية التقليدية. فعلى سبيل المثال، عندما تم ضبط النظام ليكون صارمًا جدًا لتجنب الإنذارات الكاذبة، حقق النهج الجديد مساحة تحت المنحنى (AUC) قدرها 0.87، مقارنة بـ 0.80 للنهج القديم. ويشير هذا التحسن إلى أن الشظايا الرياضية نفسها تحمل الأدلة الأساسية لتحديد الهوية، وأن الخطوة الإضافية المتمثلة في إعادة بناء الصورة لا تضيف قيمة للمقارنة.

كما استكشف الفريق مدى صمود هذه التقنية في ظروف العالم الحقيقي، مثل عندما يتم ضغط الصور لأغراض التواصل الاجتماعي أو قصها إلى حجم أصغر. ووجدوا أنه حتى عندما تم ضغط الصور باستخدام إعدادات قياسية، ظلت الط طريقة الجديدة فعالة في تحديد مصدر الكاميرا، رغم أن الأداء ينخفض طبيعيًا مع زيادة حدة الضغط. وبالمثل، عندما اختبروا صورًا بأحجام مختلفة، لاحظوا أن عمليات القص الأكبر توفر بيانات أكثر ودقة أفضل، لكن الطريقة ظلت قوية حتى مع الأجزاء الأصغر من الصورة. وهذه المرونة أمر بالغ الأهمية للتطبيقات الجنائية، حيث يضطر المحققون غالبًا للتعامل مع صور تم تعديلها أو تغيير حجمها.

جانب رئيسي آخر لهذا البحث كان القرار بتجنب نماذج الذكاء الاصطناعي المعقدة. فبينما تعتمد العديد من أنظمة تحديد الهوية الحديثة على التعلم العميق، فإن هذه النماذج غالبًا ما تتطلب كميات هائلة من بيانات التدريب ويمكن أن يصعب شرحها في قاعة المحكمة. وقد اختار الباحثون عمدًا طريقة تعتمد على المعالجة الإحصائية الكلاسيكية، وهي طريقة شفافة وسهلة التحقق. وهذا يضمن إمكانية فهم نتائجها والوثوق بها من قبل المتخصصين القانونيين، وهو مطلب حيوي للأدلة المستخدمة في المحاكم. ومن خلال التركيز على عملية واضحة وقابلة للتفسير لا تعتمد على خوارزميات "الصندوق الأسود"، قدم الفريق حلاً يتناسب مع المعايير الصارمة للعلوم الجنائية.

كما درست الدراسة طرقًا مختلفة للتعامل مع الصور الملونة. تلتقط الكاميرات الضوء في قنوات الأحمر والأخضر والأزرق، واختبر الباحثون ما إذا كان إبقاء القنوات الثلاث منفصلة أو دمجها في صورة واحدة باللون الرمادي سيؤدي إلى نتائج أفضل. ووجدوا أن تحويل الصورة إلى تدرج رمادي قبل المعالجة كان النهج الأكثر كفاءة. لقد قللت هذه الطريقة من العبء الحسابي بشكل كبير مع الاستمرار في التقاط تفاصيل كافية لتحديد الكاميرا بدقة. ولم يوفر إبقاء جميع قنوات الألوان الثلاث منفصلة أي دفعة ملحوظة في الدقة تبرر الوقت والتخزين الإضافيين المطلوبين، مما جعل نهج التدرج الرمادي أولاً هو الخيار الأكثر عملية للتحقيقات واسعة النطاق.

وفي تحليلهم، نظر الباحثون أيضًا في كيفية تأثير إعدادات أدواتهم الرياضية على النتيجة. فقد قاموا بتعديل مستوى التفاصيل المستخدم لتفكيك الصورة وحساسية تصفية الضجيج. واكتشفوا أن هناك نقطة من العوائد المتناقصة؛ إذ إن زيادة تعقيد التحليل بما يتجاوز مستوى معين لم يؤدِ إلى تحسين النتائج ولكنه زاد من الوقت والموارد المطلوبة. يساعد هذا الاكتشاف الممارسين على اختيار التوازن الصحيح بين السرعة والدقة لاحتياجاتهم الخاصة، مما يضمن عدم إهدار الموارد في حسابات غير ضرورية.

إن تداعيات هذا العمل تمتد إلى ما وراء دراسة واحدة. فمن خلال إثبات أن الخطوة العكسية لإعادة بناء الصورة غير ضرورية للمقارنة، فتح الباحثون الباب لتحليل جنائي رقمي أسرع وأكثر كفاءة. وهذا أمر وثيق الصلة بالوكالات التي تتعامل مع قواعد بيانات ضخمة من الصور، حيث يمكن أن يترجم توفير ولو جزء بسيط من الثانية لكل مقارنة إلى ساعات أو أيام من الوقت الموفر. إن القدرة على معالجة الصور بسرعة أكبر دون التضحية بالدقة تعني أن المحققين يمكنهم التعامل مع أحجام أكبر من الأدلة والاستجابة بشكل أسرع للقضايا الناشئة.

في نهاية المطاف، يقدم هذا البحث أداة منقحة لمجموعة أدوات الأدلة الجنائية الرقمية. فهو لا يستبدل العلم الأساسي لضجيج نمط المستشعر، بل يحسن كيفية تطبيق هذا العلم. ومن خلال إزالة الخطوات الزائدة والتركيز على البيانات الرياضية الخام، ابتكر الباحثون طريقة أسرع وأكثر دقة من المعايير الحالية. ومع استمرار لعب الأدلة الرقمية دورًا متزايدًا في الإجراءات القانونية، يصبح امتلاك طرق فعالة وشفافة وموثوقة لتحديد المصدر أمرًا حيويًا للغاية. يوفر هذا العمل مسارًا واضحًا للمضي قدمًا، موضحًا أن الطريقة الأكثر فعالية لرؤية الحقيقة هي أحيانًا النظر إلى البيانات كما هي تمامًا، دون الحاجة إلى إعادة بناء الصورة.