ISO 속도가 PRNU 상관도와 위조 탐지에 미치는 영향

초록

**
본 논문은 카메라 ISO 감도(감도 설정)가 사진 응답 비균일성(PRNU) 상관도에 영향을 미친다는 사실을 실증하고, ISO에 따라 훈련된 상관도 예측기가 필요함을 제시한다. 메타데이터에 ISO 정보가 없을 경우 이미지 내용만으로 ISO를 추정하는 CINFISOS 방법도 제안한다.

**

상세 분석

**
PRNU는 센서 제조 공정에서 발생하는 미세한 픽셀‑별 감도 차이로 인해 이미지에 남는 고유 노이즈 패턴이며, 디지털 포렌식에서 장치 식별 및 위조 검출에 널리 활용된다. 기존 연구들은 PRNU‑노이즈 잔차와 참조 PRNU 간의 상관도를 이미지 내용(밝기, 텍스처 등)에 기반한 회귀 모델로 예측하고, 이 예측값을 임계값 설정에 이용해 위조 여부를 판단한다. 그러나 저자들은 ISO 감도가 PRNU 상관도에 중요한 변수임을 발견했다.

ISO는 센서 증폭(gain)과 직접 연결되며, 고감도일수록 전자·열 잡음이 증가한다. 저자는 평탄한 RAW 이미지(단일 색채 채널)를 대상으로, PRNU와 비관련 잡음(α, β)을 각각 정규분포로 모델링하고, 블록‑단위 상관도 ρ_i가 PRNU 성분 표준편차 σ_y에 비례함을 수식 (2)‑(3)으로 증명한다. 이어서 Poisson‑Gaussian 잡음 모델을 적용해, 픽셀 강도 ϕ와 카메라 이득 g(ISO와 비례) 사이의 관계를 도출하고, 최종적으로 σ_y가 g에 의존함을 식 (11)‑(13)에서 보여준다.

실험에서는 Nikon D7200, Canon 6D MKII, Canon 80D, Canon M6 네 대의 카메라를 사용해 ISO 100~1600 구간에서 평탄 화면을 촬영하였다. 각 이미지의 픽셀 강도와 잡음 분산을 측정하고, 제안된 2차 모델 σ_res² = Aϕ² + Bϕ + C에 OLS 피팅을 적용했다. 결과는 모든 카메라에서 B≈g(ISO)라는 선형 관계가 성립함을 확인시켰다. 즉, ISO가 높을수록 잡음 분산이 커지고, PRNU‑관련 신호 비율이 감소해 상관도가 낮아진다.

이러한 물리적 근거를 바탕으로 저자들은 두 가지 실용적 결론을 도출한다. 첫째, 상관도 예측기는 동일하거나 근접한 ISO 설정으로 촬영된 이미지 집합으로 학습되어야 하며, 그렇지 않으면 예측 정확도가 급격히 떨어진다. 둘째, 실제 포렌식 현장에서는 이미지 메타데이터가 손상되거나 삭제된 경우가 빈번하므로, 이미지 자체에서 ISO를 추정하는 방법이 필요하다. 이를 위해 저자들은 CINFISOS(Content‑based Inference of ISO Speeds)라는 알고리즘을 설계했으며, 이미지의 밝기·노이즈 특성(특히 ϕ와 σ_res² 사이의 관계)을 이용해 ISO를 추정한다. 추정된 ISO를 기반으로 해당 ISO에 맞는 상관도 예측 모델을 선택하면, 기존보다 높은 위조 검출 정확도를 달성할 수 있다.

이 논문은 PRNU 기반 포렌식에서 간과되던 ISO 변수의 중요성을 과학적으로 입증하고, 실무 적용을 위한 두 단계(ISO‑특화 예측 모델 및 ISO 추정 기법)를 제시함으로써 향후 디지털 이미지 위조 탐지 시스템의 신뢰성을 크게 향상시킬 수 있음을 시사한다.

**