警方可能很快會有一種新的方法來抓捕那些在網上匿名散佈虐童照片的戀童癖者。這項技術還可以透過其他方式幫助執法機構，例如識別使用被盜裝置拍照並在網際網路上釋出快照的智慧手機竊賊。
歐洲委員會聯合研究中心公民保護與安全研究所的科學專案官員裡卡多·薩塔（Riccardo Satta）在一月份在布魯塞爾舉行的計算機、隱私和資料保護會議上描述了他與研究員帕斯誇萊·斯特里帕羅（Pasquale Stirparo）共同完成的工作。* 關鍵在於能夠發現每個數碼相機在照片上留下的獨特、不可去除的模式或“簽名”。透過將特定相機的簽名與在社交媒體上釋出的影像中的簽名進行比較，法醫調查員將能夠確定所有影像都是由同一臺相機拍攝的。指向攝影師的其他上下文資訊可以幫助調查人員縮小嫌疑人的範圍。
薩塔描述的方法利用了數碼相機感測器中的輕微缺陷。矽晶片中的微小變化會在光響應中產生差異，從而在它們捕獲的每個影像中新增不一致的響應、干擾或“噪聲”模式。目前的技術無法偽造或完全去除此簽名。正如薩塔在一封電子郵件中指出的那樣，“目前不可能將影像與噪聲完美分離，修改噪聲然後再將其添加回影像。試圖透過用另一個噪聲替換它來偽造它可能會產生許多可見的偽影，而去除它則可能會導致影像模糊且不自然。”
關於支援科學新聞
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道： 訂閱。透過購買訂閱，您正在幫助確保關於塑造我們當今世界的發現和想法的具有影響力的故事的未來。
這種感測器模式噪聲（SPN）在 2000 年代中期被確定為每臺相機獨有的。薩塔在義大利卡利亞里大學獲得計算機視覺和機器學習博士學位，他在 2011 年聽到英國華威大學的張俊力（Chang-Tsun Li）介紹關於識別照片中噪聲模式的新方法的工作時，“被使用噪聲的可能性所吸引”。他們繼續合作改進研究噪聲和提取 SPN 的方法。
2012 年，薩塔開始嘗試將給定相機的 SPN 簽名與釋出到社交網路帳戶的照片進行匹配，薩塔將這種技術稱為“圖片到身份連結”。提取 SPN 在計算上是密集的，這是一個薩塔試圖解決的問題。
調查人員早就知道數碼相機在將光流轉換為數字位時插入到影像中的其他識別符號。但對於追蹤影像來源而言，沒有哪個像 SPN 那樣可靠。例如，相機的軟體可能會調整顏色、飽和度、光照水平和白平衡，以及在儲存最終影像之前壓縮檔案。這些步驟中的每一個都會留下痕跡。這些偽影並非總是存在，因為許多現代相機允許攝影師繞過這種相機內處理。相機還會新增稱為 Exif（可交換影像檔案格式）的元資料，其中可能包括位置、日期、時間、相機制造商、型號、設定和版權資訊。但據德蒙福特大學網路安全中心客座教授、英國最著名的數字取證專家之一彼得·索默（Peter Sommer）稱，Exif 很容易被刪除。當原始檔案被更改時，例如透過調整大小、縮放、壓縮、裁剪甚至社交媒體通常應用於釋出影像的增強功能時，它通常也會丟失。
然而，薩塔能夠表明的是，儘管社交媒體在上傳照片時所做的修改會影響 SPN 並使提取 SPN 具有挑戰性，但仍有足夠的殘留物來提供一致的識別符號。然而，另一個困難來自於解釋自然變化，例如不同光照水平的影響以及高度紋理化的物體（如網格和樹木）形成的複雜圖案。即便如此，在對來自 15 個不同的社交網路或部落格身份的每個賬戶中的 2,896 張影像進行的初步研究中，薩塔發現 50% 的時間，單個影像可以準確地匹配到他的軟體識別為最可能匹配的候選物件。薩塔還發現，影像可以根據原始相機準確地分組，準確率達到 90%，假陽性率為 2%。
這些比率不足以在法庭上用作指控犯罪嫌疑人的證據。但它們可以幫助選擇調查目標，尤其是在社交網路上常見的其他資訊（例如位置、好友列表和其他上下文資料）增強準確性的情況下。索默指出，根據他的經驗，警方在建立案件時通常會從多條證據線中提取證據。他說：“在許多計算機取證中有一條規則。你要儘量避免依賴單條線索。單條線索可能會給你線索，但就呈現在法庭上而言，你將有多條不同的線索，並以這種方式在陪審團面前建立你的案件。”
薩塔接下來打算研究其他有助於建立獨特簽名的元素，例如鏡頭像差、相機內處理產生的偽影以及感測器上的灰塵顆粒。他還希望找到減少計算需求的方法，以便可以處理大型影像檔案。
*編者注（2014 年 3 月 12 日）：此句子在釋出後進行了編輯。原文未包含薩塔的同事帕斯誇萊·斯特里帕羅。