web address of the page http://jnas.nbuv.gov.ua/article/UJRN-0001368546
Cybernetics and Systems Analysis   А - 2019 /  Issue (2022, Т. 58, № 6)
Соловйов В. І., Рибальський О. В., Журавель В. В. , Шабля О. М., Тимко Є. В.
Метод ідентифікації апаратури цифрового відеозапису та цифрових фотоапаратів Розглянуто метод побудови експертного інструментарію для криміналістичної ідентифікації апаратури цифрового відеозапису та цифрових фотоапаратів. Обгрунтовано потребу у створенні цього інструментарію. Запропоновано здійснювати ідентифікацію зазначеної апаратури за статистичними характеристиками власних шумів, що виділяються з цифрових зображень, записаних з її використанням. Описано особливості та основні джерела виникнення цих шумів у цифрових зображеннях. Для їхнього виділення та оброблення використано вейвлет-аналіз, побудований на основі вейвлета Хаара. Остаточний результат екпертизи отримано з застосуванням нейронних мереж глибокого навчання. Одержані результати застосування створеної системи ідентифікації апаратури показали її високу ефективність.
Повний текст публікації буде доступним після 01.01.2025 р. - через 158 днів
 https://doi.org/10.1007/s10559-023-00520-2
 Scopus
Бібліографічний опис:
Соловйов В. І., Рибальський О. В., Журавель В. В. , Шабля О. М., Тимко Є. В. Метод ідентифікації апаратури цифрового відеозапису та цифрових фотоапаратів. Кібернетика та системний аналіз. 2022. Т. 58, № 6. С. 30–36. doi: https://doi.org/10.1007/s10559-023-00520-2 URL: http://jnas.nbuv.gov.ua/article/UJRN-0001368546 |
 Cybernetics and Systems Analysis / Issue (2022, 58 (6))
Solovyov V.I.,
Rybalskiy O.V.,
Zhuravel V.V.,
Shablya O.M.,
Tymko Y.V.
Method for identification of digital video recording equipment and digital cameras A method for developing an expert toolkit for forensic identification of digital video recording equipment and digital cameras is considered. The need for developing this toolkit is substantiated. The authors proposed to perform the equipment identification using the statistical characteristics of its intrinsic noise, extracted from digital images recorded with the above equipment. The features and primary sources of the above noises in digital images are described. A wavelet analysis based on the Haar wavelet was used for their extraction and processing. The final result of the forensic examination was obtained using deep learning neural networks. The results of using the developed equipment identification system showed its high efficiency. © 2023, Springer Science+Business Media, LLC, part of Springer Nature. Keywords: deep learning neural networks, digital images, digital photography equipment, digital video recording equipment, forensic identification, forensics, Haar wavelet, intrinsic noise, wavelet analysis, Computer graphics, Digital cameras, Digital forensics, E-learning, Learning systems, Multimedia systems, Video cameras, Video recording, Wavelet analysis, Deep learning neural network, Digital image, Digital photography, Digital photography equipment, Digital video recording, Digital video recording equipment, Forensic, Forensic identification, Haar-wavelets, Intrinsic noise, Learning neural networks, Recording equipment, Wavelet-analysis, Deep learning
Download publication will be available after 01/01/2025 р., in 158 days
Cite:
Solovyov V.I.,
Rybalskiy O.V.,
Zhuravel V.V.,
Shablya O.M.,
Tymko Y.V.
(2022). Method for identification of digital video recording equipment and digital cameras. Cybernetics and Systems Analysis, 58 (6), 30–36. doi: https://doi.org/10.1007/s10559-023-00520-2 http://jnas.nbuv.gov.ua/article/UJRN-0001368546 [In Ukrainian]. |
