| dc.contributor.advisor | Σκλάβος, Νικόλαος | |
| dc.contributor.author | Μέμος-Μπαγκράτσας, Ιωάννης | |
| dc.contributor.other | Memos-Mpagkratsas, Ioannis | |
| dc.coverage.spatial | Κύπρος | el_GR |
| dc.date.accessioned | 2021-01-20T09:02:07Z | |
| dc.date.available | 2021-01-20T09:02:07Z | |
| dc.date.copyright | 2021-01-19 | |
| dc.date.issued | 2020-12 | |
| dc.identifier.other | ΑΥΔ/2020/00068 | el_GR |
| dc.identifier.uri | http://hdl.handle.net/11128/4746 | |
| dc.description | Περιέχει βιβλιογραφικές παραπομπές. | el_GR |
| dc.description.abstract | Οι πρόσφατες εξελίξεις στα φορητά συστήματα καταγραφής βίντεο και η ευκολία πρόσβασης σε αυτά έχουν οδηγήσει στην αύξηση των βίντεο που μεταδίδονται καθημερινά στο διαδίκτυο. Αυτό έχει επηρεάσει σημαντικά το ρυθμό επέκτασης του διαδικτύου των πραγμάτων με την προσθήκη φθηνών συστημάτων ασφαλείας για την καταγραφή και μετάδοση βίντεο. Τέτοια συστήματα συχνά έχουν χαμηλές προδιαγραφές ασφαλείας παρά το γεγονός ότι χρησιμοποιούνται για να παρέχουν δικαστικά τεκμήρια εγκλήματος. Εγκληματίες μπορούν εύκολα να αποκτήσουν πρόσβαση, να κλέψουν και να πλαστογραφήσουν βίντεο στο σημείο όπου πολλές φορές να είναι αδύνατη η διάκριση ενός αυθεντικού βίντεο από ένα πλαστό. Επιπλέον, οι εξελίξεις στον τομέα της μηχανικής μάθησης έχουν οδηγήσει στην αύξηση ψηφιακά δημιουργημένων βίντεο γνωστών ως Deep Fakes με στόχο τον εξευτελισμό, τη δολιοφθορά, απειλή και προπαγάνδα σε κάθε τομέα της σύγχρονης ζωής, κοινωνικό, πολιτικό και στρατιωτικό. Όπως είναι αναμενόμενο, η ακεραιότητα ενός βίντεο δε μπορεί να θεωρηθεί δεδομένη και πρέπει σε πολλές περιπτώσεις να ελέγχεται. Η επιστήμη της Δικανικής Υπολογιστών έχει προτείνει αρκετές μεθόδους, ενεργητικές και παθητικές, για την προστασία και απόδειξη της ακεραιότητας των βίντεο στην πηγή ή κατά την απόκτηση. Ωστόσο, η ανάγκη για πιο ακέραιες και αποδοτικές μεθόδους αυξάνεται παράλληλα με το μέγεθος και τον αριθμό των βίντεο και καθώς οι αλγόριθμοι συμπίεσης γίνονται συνεχώς πιο αποδοτικοί. Στόχος της παρούσας μεταπτυχιακής διατριβής είναι να προτείνει μία νέα μέθοδο αναγνώρισης πλαστογραφίας, βασισμένη στα χαρακτηριστικά της Πυκνής Οπτικής Ροής. Η συγκεκριμένη μέθοδος εφαρμόζεται σε ένα Raspberry Pi 4B στοχεύοντας στην προσομοίωση ενός περιβάλλοντος διαδικτύου των πραγμάτων, με μία συσκευή χαμηλού κόστους, ικανή να αναγνωρίσει πλαστογραφία σε στατικά βίντεο συστημάτων ασφαλείας. Το τελικό εργαλείο ελέγχεται χρησιμοποιώντας δύο σύνολα πλαστών βίντεο και αποδεικνύει ότι η μέθοδος είναι ικανή να αναγνωρίσει πλαστογραφίες μέσω αντιγραφής με αναδιάταξη, εισαγωγής και διαγραφής ενώ είναι ανθεκτική σε μέτρια ποσοστά συμπίεσης και θορύβου. Ολοκληρώνοντας, η μεταπτυχιακή διατριβή προτείνει μία μεθοδολογία για την αυτοματοποίηση της ανίχνευσης όπως επίσης παραθέτει προτάσεις για μελλοντική έρευνα. | el_GR |
| dc.format.extent | vii, 74 σ. ; 30 εκ. | el_GR |
| dc.language | gr | el_GR |
| dc.language.iso | gr | el_GR |
| dc.publisher | Ανοικτό Πανεπιστήμιο Κύπρου | el_GR |
| dc.rights | info:eu-repo/semantics/closedAccess | el_GR |
| dc.subject | Δικανική υπολογιστών | el_GR |
| dc.subject | Computer forensics | el_GR |
| dc.title | Αναγνώριση βίντεο, με εφαρμογές στα συστήματα ασφαλείας | el_GR |
| dc.type | Μεταπτυχιακή Διατριβή | el_GR |
| dc.description.translatedabstract | The recent advances in mobile video recording systems and the ease of access to them have lead to an increased amount of videos being streamed and uploaded on the internet daily. This has had a major impact on the expansion rate of the Internet of Things with the addition of affordable security systems that capture and stream video content. These systems regularly come with minimal security standards despite the fact that their goal is to provide court evidence. Criminals are often able to easily access, steal and manipulate videos to the point where it is many times impossible to tell the difference between an original and a forged one. Moreover, the advances in machine learning have lead to an increase of computer generated videos known as deep fakes that are used for humiliation, sabotage, threat and propaganda in every aspect of modern life, social, political or militaristic. As expected, the integrity of a video cannot be taken for granted and should in many cases be evaluated. The scientific branch of Computer Forensics has proposed various methods, both active and passive, for protecting the confidentiality and integrity of videos either at the source or on acquisition. In spite of that, the need for more robust and effective methods rises as videos grow in size and number while compression algorithms are becoming increasingly more efficient. The goal of this master thesis is to propose a new method on forgery detection based on the characteristics of Dense Optical Flow. This method is applied on a Raspberry Pi 4B which serves to simulate an IoT environment with a low cost device that is capable of recognizing forgery in static CCTV captured videos. The tool is tested using two datasets of forged videos and proves that this method is effective in detecting copy-move, insertion and deletion forgeries while being robust against medium rates of compression and noise. Ultimately, this master thesis proposes a methodology on automating the process of identification as well as recommendations for future research. | el_GR |
| dc.format.type | pdf | el_GR |
