ChaSAM Forensics: Uma Arquitetura para Detecção de Imagens na Forense Computacional Utilizando Hashes Perceptivos (2024)
- Authors:
- Autor USP: SANTOS, HERICSON DOS - ICMC
- Unidade: ICMC
- Sigla do Departamento: SSC
- DOI: 10.11606/D.55.2024.tde-02082024-103051
- Subjects: REDES DE COMPUTADORES; CRIPTOLOGIA; PROCESSAMENTO DE DADOS
- Keywords: ChaSAM; ChaSAM; Computação; Computing; Forense; Forensic; Hash perceptivo; Perceptual hash; Similaridade; Similarity
- Language: Português
- Abstract: O objetivo deste trabalho foi desenvolver um algoritmo de hash perceptivo para detecção de similaridade entre imagens para ser implementado em uma arquitetura portátil e independente de plataforma computacional. Esta arquitetura tem por finalidade proporcionar ao analista forense a comparação de grandes volumes de imagens em busca de arquivos que possuem características visuais em comum. Atualmente, a grande parte das soluções forenses se baseiam em bases de hashes criptográficos, os quais apresentam deficiência neste quesito, isto é, hashes criptográficos são capazes de comparar apenas arquivos idênticos computacionalmente gerando resultados falsos negativos, pois se um arquivo for minimamente alterado em seu conteúdo, o seu valor hash mudará completamente e assim não será detectado como um arquivo de interesse. Em contrapartida, os hashes perceptivos levam em consideração as características visuais da imagem. Neste sentido dois arquivos computacionalmente diferentes, mas com similaridades visuais poderão ser apresentados como possíveis resultados desta comparação se estas diferenças visuais estiverem dentro de um intervalo de tolerância. Para sustentar o método proposto através dos hashes perceptivos foi desenvolvido um protótipo de software forense denominado ChaSAM. Para testar a eficiência e a eficácia do software foi criado um dataset de imagens composto de 12.920 arquivos, os quais foram submetidos às mais diversas transformações como: recortes, inclinações, inserçãode textos e etc. Procurou-se responder se o ChaSAM apresenta eficiência, isto é, se ele é capaz de processar grandes volumes de imagens com velocidade e; se possui eficácia, isto é, os hashes perceptivos apresentam resultados mais eficazes que os hashes criptográficos. Para realizar estes testes utilizamos vários algoritmos de hashes perceptivos existentes e desenvolvemos outras duas variantes: o domiHash e o chHash. Este último apresentou resultados acima de 80% em relação aos demais algoritmos, principalmente quando executando em conjunto com outro algoritmo de hash perceptivo.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2024
- Data da defesa: 19.06.2024
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
SANTOS, Hericson dos. ChaSAM Forensics: Uma Arquitetura para Detecção de Imagens na Forense Computacional Utilizando Hashes Perceptivos. 2024. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2024. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-02082024-103051/. Acesso em: 28 dez. 2025. -
APA
Santos, H. dos. (2024). ChaSAM Forensics: Uma Arquitetura para Detecção de Imagens na Forense Computacional Utilizando Hashes Perceptivos (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-02082024-103051/ -
NLM
Santos H dos. ChaSAM Forensics: Uma Arquitetura para Detecção de Imagens na Forense Computacional Utilizando Hashes Perceptivos [Internet]. 2024 ;[citado 2025 dez. 28 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-02082024-103051/ -
Vancouver
Santos H dos. ChaSAM Forensics: Uma Arquitetura para Detecção de Imagens na Forense Computacional Utilizando Hashes Perceptivos [Internet]. 2024 ;[citado 2025 dez. 28 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-02082024-103051/
Informações sobre o DOI: 10.11606/D.55.2024.tde-02082024-103051 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
