Format-Controlled Multi-Scale JPEG Compression Response Analysis for Image-Level Forgery Screening

Sintesi Tecnica: Analisi della Risposta alla Compressione JPEG Multi-Scala a Controllo di Formato per lo Screening di Falsificazioni a Livello di Immagine

Definizione del Problema

Il rilevamento delle falsificazioni delle immagini è una componente critica della digital forensics, eppure molti approcci allo stato dell'arte basati sul deep learning (ad esempio, ManTra-Net, MVSS-Net) sono computazionalmente costosi, richiedono l'accelerazione tramite GPU e mancano di interpretabilità. Inoltre, esiste un significativo difetto metodologico nelle valutazioni che utilizzano il dataset CASIA v2.0: un "confondimento di formato" (format confound) in cui il 60% delle immagini manipolate è memorizzato come file TIFF, mentre tutte le immagini autentiche sono JPEG o BMP. Ciò consente a classificatori banali basati esclusivamente sui metadati del file (ad esempio, is_tiff) di raggiungere punteggi AUC elevati (0,80–0,92), potenzialmente gonfiando le prestazioni percepite di metodi forensi che non controllano esplicitamente questo bias. La sfida consiste nello sviluppare un metodo di screening leggero, interpretabile e basato su CPU, capace di rilevare reali incongruenze nella cronologia di compressione piuttosto che scorciatoie legate al formato del file.

Metodologia

Gli autori propongono una pipeline di ingegneria delle caratteristiche (feature engineering) leggera che utilizza Alberi Potenziati dal Gradiente (HistGradientBoostingClassifier) per classificare le immagini come autentiche o falsificate sulla base di un vettore di caratteristiche a 405 dimensioni. La pipeline opera interamente su CPU e processa le immagini in meno di 0,5 secondi.

1. Pre-elaborazione:
Le immagini vengono convertite in RGB e ridimensionate (dimensione massima 1024px) per garantire un'estrazione delle caratteristiche coerente pur preservando i dettagli.

2. Famiglie di Estrazione delle Caratteristiche:
Il nucleo del metodo consiste in sette distinte famiglie di caratteristiche:

• Error Level Analysis (ELA) Multi-scala (266 caratteristiche): Invece di un singolo fattore di qualità, i residui ELA sono calcolati a sette livelli di qualità JPEG ($q \in \{30, 50, 60, 75, 80, 90, 95\}$). Per ogni livello, vengono estratte statistiche globali (media, deviazione standard, percentili, frazione di alto residuo) e statistiche di griglia spaziale (media/deviazione standard su una griglia 4x4). Ciò cattura gli artefatti di compressione attraverso l'intero spettro di qualità, rendendo il metodo robusto rispetto a cronologie di compressione originali sconosciute.
• Rapporti ELA Cross-Quality (16 caratteristiche): Vengono calcolati rapporti a coppie tra le mappe ELA di specifici livelli di qualità (ad esempio, 30/90, 50/90). Questi rapporti sono progettati per essere invarianti rispetto all'ampiezza assoluta del residuo e mirano specificamente a colpire le firme di doppia compressione JPEG, caratteristiche delle regioni di splicing.
• Entropia ELA (18 caratteristiche): L'entropia di Shannon della mappa ELA (al livello $q=50$) è calcolata su una griglia 4x4 per rilevare l'eterogeneità informativa informazionale localizzata ai confini delle manipolazioni.
• Bande di Energia Radiale FFT (6 caratteristiche): La 2D DFT dell'immagine in scala di grigi viene analizzata attraverso bande di frequenza radiali concentriche per rilevare artefatti di bordo ad alta frequenza introdotti dallo splicing.
• Densità dei Bordi (20 caratteristiche): Statistiche del modulo del gradiente di Sobel (globali e su griglia 4x4) per rilevare discontinuità spaziali.
• Residui di Steganalisi SRM (27 caratteristiche): Residui di filtri passa-alto (Fridrich & Kodovský) applicati ai canali RGB per catturare le incongruenze nel dominio del rumore.
• Blockiness, Rumore e Colore DCT (52 caratteristiche): Misure dei rapporti tra interno e bordo dei blocchi DCT, varianza del rumore Laplaciano e statistiche del colore inter-canale.

3. Classificazione:
Il vettore a 405 dimensioni viene classificato utilizzando un HistGradientBoostingClassifier con early stopping, regolarizzazione L2 e pesatura del campione inversa alla frequenza per gestire lo sbilanciamento delle classi.

Contributi Chiave

1. Valutazione Controllata del Formato: Il documento affronta rigorosamente il confondimento di formato di CASIA v2.0. Valutando esclusivamente il sottoinsieme solo-JPEG (9.501 immagini), gli autori dimostrano che il loro metodo rileva le incongruenze della cronologia di compressione piuttosto che scorciatoie del formato del file.
2. Innovazione ELA Multi-scala: L'introduzione dell'ELA calcolata su sette livelli di qualità è identificata come il fattore dominante per le prestazioni, superando la sensibilità della singola qualità ELA rispetto ai fattori di compressione originali sconosciuti.
3. Pipeline Leggera e Interpretabile: Il metodo raggiunge alte prestazioni senza accelerazione GPU, offrendo un'inferenza sub-secondaria e un'interpretabilità a livello di caratteristica (ad esempio, collegando l'alta varianza della griglia ELA a una cronologia di compressione spazialmente inconsistente).
4. Delimitazione dell'Ambito: Attraverso test di trasferimento esterni, il documento definisce esplicitamente l'ambito operativo del metodo: efficace per il rilevamento di elaborazioni eterogenee (splicing da fonti diverse), ma limitato per le operazioni di copia-mossa (copy-move) sulla stessa immagine che preservano l'uniformità della compressione.

Risultati Sperimentali

Valutato sul sottoinsieme solo-JPEG di CASIA v2.0 tramite cross-validazione stratificata a 5 fold:

• Prestazioni Primarie: Il metodo raggiunge un AUC di 0,990 [95% CI: 0,988–0,991] e un F1 score di 0,905.
• Split Consapevole della Sorgente: Sotto uno split di gruppo conservativo (che impedisce immagini correlate in train/test), l'AUC rimane elevato a 0,976.
• Studio di Ablazione:
  • L'ELA a singola qualità ($q=75$) produce un AUC di 0,806.
  • L'ELA multi-scala (7 livelli) da sola raggiunge un AUC di 0,986 (guadagno di +0,180).
  • I rapporti cross-quality da soli raggiungono un AUC di 0,985, dimostrando che il comportamento relativo della compressione è altamente discriminante.
  • Il vettore completo di 405 caratteristiche raggiunge 0,990, con le caratteristiche ausiliarie (entropia, FFT, SRM) che forniscono un contributo marginale ma complementare per la robustezza.
• Robustezza: Le prestazioni degradano gradualmente sotto post-elaborazione (ad esempio, AUC 0,896 sotto il 50% di downscaling), coerentemente con un metodo che si basa su tracce di quantizzazione fine.
• Trasferimento Esterno:
  • Columbia Splicing Blocks: AUC 0,708 (sopra il caso).
  • CoMoFoD Copy-Move: AUC 0,499 (livello del caso). Ciò conferma che il metodo rileva l'incongruenza della cronologia di compressione (elaborazione eterogenea) piuttosto che la duplicazione generica, poiché il CoMoFoD preserva l'uniformità della compressione.

Significatività e Rivendicazioni

Il documento sostiene che caratteristiche accuratamente progettate della risposta alla compressione JPEG possono fornire uno screening delle falsificazioni a livello di immagine con interpretabilità a livello di caratteristica e deployment su sola CPU. Fondamentalmente, afferma che la valutazione controllata del formato è essenziale quando si utilizza CASIA v2.0; i risultati precedenti riportati senza tali controlli potrebbero essere soggetti a un'inflazione dovuta al formato.

Gli autori posizionano il loro lavoro non come una soluzione universale per tutte le manipolazioni d'immagine (notando i limiti per i contenuti generati dall'IA e per il copy-move sulla stessa immagine), ma come uno strumento di screening altamente efficace, interpretabile e destinato al rilevamento di elaborazioni eterogenee e discrepanze nella cronologia di compressione in immagini compresse JPEG. I risultati supportano la conclusione che il successo del metodo derivi dal rilevamento di tracce forensi reali piuttosto che dai bias del dataset.