Détection automatique et en ligne de la falsification de documents

Automatic and online document forgery detection

• Auteur / Autrice : Julieta Umpierrez
• Direction : Rafael Grompone von gioi, Marina Paola Gardella oddone, Pablo Musé
• Type : Projet de thèse
• Discipline(s) : Mathématiques appliquées
• Date : Inscription en doctorat le 01/10/2025
• 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 des images

Forensique des documents

Traitement d'images

Image forensics

Document forensics

Image processing

Résumé

Les documents jouent un rôle essentiel dans la communication, la conservation des archives et la prise de décision dans divers domaines, mais leur intégrité est de plus en plus menacée par des techniques sophistiquées de manipulation numérique. Les approches traditionnelles en criminalistique s'appuient sur l'analyse des artefacts spécifiques aux dispositifs et sur l'examen du contenu pour vérifier l'authenticité des documents et détecter les falsifications. Cependant, ces méthodes manquent souvent de rigueur statistique, ce qui engendre une incertitude quant à la fiabilité des détections. Ce projet vise à faire progresser l'analyse forensique des documents en développant des méthodes de détection a contrario basées sur la théorie des grandes déviations. En modélisant le processus de formation des images de documents et en analysant des structures intrinsèques telles que l'alignement des lignes de texte et la redondance, nous cherchons à établir un cadre rigoureux pour la détection des anomalies. Notre approche permettra de quantifier la fiabilité des détections, réduisant ainsi les faux positifs et améliorant la prise de décision. Toutefois, le défi de cette thèse ne se limite pas à la conception de la théorie et des algorithmes, mais inclut également leur publication en ligne sous une forme ouverte, afin que chacun puisse soumettre un document suspect et obtenir un rapport scientifique automatique sur les anomalies détectées.

Documents play a critical role in communication, record-keeping, and decision-making across various domains, yet their integrity is increasingly threatened by sophisticated digital manipulation techniques. Traditional forensic approaches leverage device-specific artifacts and content-based analysis to verify the authenticity of documents and detect forgeries. However, existing methods often lack statistical rigor, leading to uncertainty in detection reliability. This project aims to advance forensic document analysis by developing a contrario detection methods based on large deviation theory. By modeling the document image formation process and analyzing intrinsic structures such as text-line alignment and redundancy, we seek to establish a principled framework for anomaly detection. Our approach will enable the quantification of detection reliability, reducing false positives and improving forensic decision-making. Still, the challenge of the thesis is not only to develop the theory and the algorithms but also to publish them online in an open form, so that anyone can submit a suspicious document and get an automatic scientific report on detected anomalies.