====== 1. Uvod ======

Jedna od zadaća forenzike digitalnih dokumenata je detekcija izmjena u njima. Kod videozapisa, moguće je obrisati okvire na dva načina: intra-frame forgery gdje je obrisan samo jedan okvir (ili više njih na različitim mjestima) i inter-frame gdje je jedan ili više blokova okvira obrisan na različitim mjestima. Kod kodiranja videozapisa postoji 3 vrste okvira: I-okviri (engl. intra coded frame) i prediktivni B-okviri i P-okviri. Okviri se grupiraju u GOP (engl. group of pictures) koji uvijek počinju I-okvirima, a nakon toga slijedi određen broj prediktivnih okvira.  Okvir se enkodira tako da ga enkoder podijeli na makro blokove (MB) i kodira svaki zasebno. MB-ovi I-okvira (I-MB) se kodiraju bez referenci na druge okvire . MB-ovi prediktivnih (P-MB) okvira se mogu kodirati pomoću referenci na druge okvire. Određene makro blokove je moguće i preskočiti (S-MB).

====== 2. Detekcija brisanja video okvira ======

U radu “Detection of video double encoding with GOP size estimation”[2] opisano je kako se metodom „Variation of prediction footprint“ (VPF) može detektirati izmjena dvostruko enkodiranog videozapisa. Detekcija se radi na dvostruko enkodiranim zapisima zato što je originalna snima jednom enkodirana, a uređena još jednom. Ako se koriste samo I-okviri i P-okviri, autori su primijetili kako nastaje anomalija u kojoj broj S-MB-ova pada zajedno sa inkrementom od I-MB. Metoda definira određene signale [3]:
  * i(n) – broj I-MB-ova do n-tog okvira
  * s(n) – broj S-MB-ova do n-tog okvira
  * v(n)=|(i(n)-i(n-1))(s(n)-s(n-1))|+|(i(n+1)-i(n))(s(n+1)-s(n))|   Izvor formule: [1]

Signal v(n) očekivano pokazuje vrhove (engl. peaks) u korespondenciji kod P-okvira koji su re-enkodirane verzije I-okvira koje je potrebno naći VPF metodom. Kod uklanjanja okvira, u VPF metodi, vrhovi više nisu vidljivi na periodički način. Očekivano je da je veličina GOP-a fiksna.
Signal v(n) se može analizirati kliznim prozorom (W - sliding window), klizeći po jedan okvir u koraku. Time se estimira G1 (početno vrijeme trajanja GOP-a u prvom kodiranju), što daje g(n). Analizom signala g(n) te dodanim procesiranjem [1] dobiva se periodički graf u kojemu promjene periodičnosti ukazuju na brisanje okvira.

{{ :racfor_wiki:fdd:v_processed_graphs.png?550 |}}

Gornja slika (Izvor: [1]) prikazuje oblike procesirane g(n) funkcije kada videozapis nije bio uređen (gornji graf) te kada je videozapis bio uređen (donji graf) što se vidi promjenom periodičnosti.

Rezultati rada [1] koji je nadogradnja na rad [2] su sljedeći: 

^C1/C2 ^MPEG-2 ^MPEG-4 ^H.264|
|MPEG-2 |83.38% |81.70% |95.46%|
|MPEG-4 |81.83% |79.39% |96.25%|
|M.264 |76.10% |76.19% |88.32%|

^B1/B2 ^100 ^300 ^700|
|100 |85.44% |89.68% |91.27%|
|300 |77.95% |86.55% |88.80%|
|700 |75.93% |81.04% |81.94%|

Tablica iznad (Izvor: [1]) prikazuje rezultate testiranja predložene metode. Testirani su razni kodeci (C) s raznim bitrate-ovima (B). Točnost detekcije varira između 75% i 96%.

Besplatan alat koji nudi detekciju brisanja okvira koristeći GoP je dostupan na: http://lvcdn.net/gop/

Drugi komercijalni alat koji može služiti za tu svrhu je: https://ampedsoftware.com

====== 3. Detekcija brisanja video okvira pomoću strojnog učenja ======

U radu [3], predložena je detekcija brisanja okvira u digitalnim videozapisima pomoću metoda strojnog učenja. Korištene metode su stroj potpornih vektora (SVM), algoritam k najbližih susjeda (KNN) i logistička regresija. Značajke za modele su izdvojene iz toka bitova (engl. bit stream) i rekonstruiranih slika u videozapisima pod pregledom. Skup značajki se temelji na ostatku predviđanja, postotku I-MB-ova, skali kvantizacije i procijeni PSNR (engl. peak signal-to-noise ratio) vrijednosti. Za provjeru važnosti navedenih značajki korištena je postupna regresija. Odabir značajki se iskazao kao prikladan i za CBR (engl. constant bitrate) i VBR (engl. variable bitrate). Detektiranje točnosti modela je odrađeno je pomoću TP (engl. true positive) i FA (engl. false alarm) mjerenja. Krajnji rezultati su pokazali da je predloženi sustav sposoban detektirati izmijenjene videozapise sa raznim brojevima obrisanih okvira. Točnosti detekcije u radu su visoke, iznad 90%. Rezultati testiranja rada su ispod u tablicama [3]:

Tablica za **CBR kodiranje**:
^No. frames ^KNN TP ^KNN FA ^L. Reg. TP ^L. Reg. FA ^SVM TP ^SVM FA |
| 1| 91| 3| 94| 6| 94| 3|
| 2| 94| 3| 94| 0| 91| 0|
| 3| 91| 3| 94| 9| 94| 9|
| 4| 100| 0| 100| 0| 97| 0|
| 5| 100| 3| 91| 6| 94| 6|
| 6| 97| 6| 94| 6| 94| 12|
| 7| 97| 6| 97| 0| 97| 0|
| 8| 94| 3| 97| 3| 97| 3|
| 9| 97| 9| 91| 3| 88| 3|
| 10| 91| 12| 91| 3| 91| 3|
| 11| 100| 0| 100| 6| 100| 6|
| Avg| 95.6| 4.4| 94.8| 3.8| 94.3| 4.1|

Tablica za **VBR kodiranje**:
^No. frames ^KNN TP ^KNN FA ^L. Reg. TP ^L. Reg. FA ^SVM TP ^SVM FA |
| 1| 94| 9| 100| 6| 100| 9|
| 2| 97| 3| 97| 3| 97| 0|
| 3| 94| 12| 97| 6| 94| 6|
| 4| 88| 15| 91| 9| 91| 9|
| 5| 94| 3| 91| 9| 91| 9|
| 6| 91| 15| 88| 12| 94| 12|
| 7| 82| 12| 91| 9| 97| 15|
| 8| 88| 12| 88| 12| 88| 12|
| 9| 82| 15| 94| 12| 97| 12|
| 10| 79| 12| 91| 9| 91| 12|
| 11| 94| 0| 91| 6| 91| 6|
| Avg| 89.4| 9.8| 92.6| 8.5| 93.7| 9.3|


====== 4. Dodatni radovi ======

Noviji radovi iz područja detekcije brisanja okvira iz videozapisa su [4], [5] i [6].
Rad [4] za svoju funkcionalnost koristi forenzičke značajke "Prediction Residual" i "Optical  Flow". Tehnika korištena u radu daje dobre rezultate čak iako su korištene kamere iz mobilnih uređaja ili nadzornih kamera. Prosječna točnost detekcije u radu je 83% nebitno o varirajućim bitrate-ovima.
Rad [5] se bavi detekcijom brisanja okvira u HEVC kodiranju. Rad traži uzorke u promijenjenom videu pomoću metoda strojnog učenja i time nudi točniju detekciju za HEVC kodiranje.
Konačno, rad [6] se bavi detekcijom brisanja okvira uzimajući u obzir anti-forenzičke tehnike koje zavaravaju obične metode.
====== 5. Zaključak ======

Za detekciju brisanja okvira u digitalnim videozapisima, postoje razne metode. U radu su opisane metode koje analiziraju tragove u enkodiranju videozapisa. Metode imaju visoku točnost u raspoznavanju brisanja okvira, mogu raditi na raznim kodecima i raznim parametrima kod kodiranja videozapisa.

====== 6. Literatura ======


[[https://ieeexplore.ieee.org/document/6854801| [1] A. Gironi, M. Fontani, T. Bianchi, A. Piva and M. Barni, "A video forensic technique for detecting frame deletion and insertion," 2014 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), 2014, pp. 6226-6230, doi: 10.1109/ICASSP.2014.6854801.]]

[[https://ieeexplore.ieee.org/document/6412641| [2] D. Vazquez-Padin, M. Fontani, T. Bianchi, P. Comesana, A. Piva, and M. Barni, “Detection of video double encoding with GOP size estimation,” in Information Forensics and Security (WIFS), IEEE International Workshop on, 2012, pp. 151–156.]]

[[https://www.researchgate.net/publication/259164879_Detection_of_frame_deletion_for_digital_video_forensics| [3]	Tamer Shanableh „Detection of Frame Deletion for Digital Video Forensics“]]

[[https://www.researchgate.net/publication/318091788_Video_Inter-frame_Forgery_Detection_Approach_for_Surveillance_and_Mobile_Recorded_Videos| [4] Kingra, Staffy & Aggarwal, Naveen & Singh, Raahat. (2017). Video Inter-frame Forgery Detection Approach for Surveillance and Mobile Recorded Videos. International Journal of Electrical and Computer Engineering. 7. 831-841. 10.11591/ijece.v7i2.pp831-841. ]]

[[https://doi.org/10.1016/j.diin.2019.06.002| [5] Jin Hyung Hong, Yoonmo Yang, Byung Tae Oh, Detection of frame deletion in HEVC-Coded video in the compressed domain, Digital Investigation, Volume 30, 2019, Pages 23-31, ISSN 1742-2876]]

[[https://doi.org/10.1007/s11554-019-00865-y| [6] Yao, H., Ni, R. & Zhao, Y. An approach to detect video frame deletion under anti-forensics. J Real-Time Image Proc 16, 751–764 (2019).]]

~~DISCUSSION~~