Murmures des images : Analyse forensique des motifs et structures de bruit de l'image pour la détection d'images hypertruquées

Image murmurs: Forensic analysis of image noise patterns and structures for the detection of deepfake images

• Auteur / Autrice : Benjamin Loison
• Direction : Pablo MusÉ, Rafael Grompone von gioi
• Type : Projet de thèse
• Discipline(s) : Mathématiques appliquées
• Date : Inscription en doctorat le 01/11/2024
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale de mathématiques Hadamard
• Partenaire(s) de recherche : Laboratoire : Centre Borelli
• Partenaire(s) de recherche : Equipe de recherche : Traitement des images et du signal
• Partenaire(s) de recherche : Référent : Ecole Normale Supérieure Paris-Saclay

Mots clés

Mots clés libres

Forensique d'image

Analyse de bruit

Détection de deepfake

Image forensics

Noise analysis

Deepfake detection

Résumé

Dans un contexte où la distinction entre images réelles et fausses est complexifiée par les avancées en IA et les deepfakes, exacerbée par un climat géopolitique tendu et des événements comme la pandémie de Covid-19 et plusieurs périodes électorales et conflits majeurs, la désinformation et ses risques associés (cybercriminalité, atteintes à la vie privée) s'accroissent. Le projet de thèse aborde l'analyse forensique d'images, essentielle dans ce paysage numérique en mutation, en se concentrant sur l'étude des structures et motifs de bruit. Le projet vise à élaborer des méthodes de détection robustes et explicables, capables de différencier les images authentiques des falsifications, et notamment de détecter les deepfakes et autres images générées, ainsi que d'associer une photographie à l'appareil qui l'a prise. Elle se déploie en trois axes: modélisation des sources de bruit et de l'impact des chaînes de traitement d'images sur ce dernier, analyse des traces de bruit dans les images, et application à la résolution de problèmes forensiques spécifiques. Ces axes sont interdépendants, la modélisation du bruit facilitant l'analyse, qui à son tour, alimente l'application pratique de ces recherches dans la lutte contre la désinformation.

In a context where the distinction between real and fake images is complicated by advances in AI and deepfakes, exacerbated by a tense geopolitical climate and events such as the Covid-19 pandemic and several major election periods and conflicts, disinformation and its associated risks (cybercrime, privacy breaches) are on the rise. The thesis project addresses forensic image analysis, essential in this changing digital landscape, focusing on the study of noise structures and patterns. The project aims to develop robust and explainable detection methods capable of differentiating authentic images from forgeries, and in particular detecting deepfakes and other generated images, as well as associating a photograph with the camera that took it. The project has three main thrusts: modeling noise sources and the impact of image processing chains on noise, analyzing noise traces in images, and applying this to the resolution of specific forensic problems. These areas are interdependent, with noise modeling facilitating analysis, which in turn feeds into the practical application of this research in the fight against disinformation.