Introduction
Chapitre 01
Chapitre 01
[Link] Fayçal
Sécurité informatique
Table des matières
1 Introduction 2
1.1 Pourquoi la forensique multimédia est importante . . . . . . . . . . . . 2
1.2 Définitions fondamentales . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3 Image, audio et vidéo comme objets forensiques . . . . . . . . . . . . . 4
1.4 Quelques applications de la forensique multimédia . . . . . . . . . . . . 6
1.5 Exemples Python pour comprendre les données multimédia . . . . . . . 7
1
2 1 Introduction
1 Introduction
La forensique multimédia constitue une branche spécialisée de la forensique numé-
rique consacrée à l’analyse scientifique des contenus multimédias tels que les images, les
vidéos et les fichiers audio. Son objectif principal est d’extraire, préserver, examiner
et interpréter des indices numériques afin de reconstituer l’historique d’un média, de
détecter une manipulation, de relier un contenu à un dispositif ou d’évaluer sa valeur
probante dans un contexte d’investigation.
Dans les environnements modernes, les preuves numériques ne se limitent plus aux
journaux système, aux disques ou aux fichiers bureautiques. Une photographie, une
séquence vidéo, un enregistrement sonore ou une capture d’écran peuvent contenir des
informations essentielles sur un évènement, une identité, un lieu, une date, une opération
de montage ou une tentative de falsification. La forensique multimédia intervient donc
dans des domaines variés : cybersécurité, enquêtes judiciaires, renseignement, protection
des contenus, authentification documentaire et analyse de désinformation.
Définition
La forensique numérique est l’ensemble des méthodes permettant d’identifier,
de préserver, d’analyser et d’interpréter des preuves numériques afin d’expliquer
un incident, d’étayer une hypothèse ou de produire un résultat exploitable dans
un cadre technique ou judiciaire.
Définition
La forensique multimédia est la discipline qui applique les méthodes de la
forensique numérique à l’étude des médias numériques, notamment les images,
les vidéos et les signaux audio, afin d’en déterminer l’origine, l’authenticité, les
transformations subies ou la relation avec une source donnée.
1.1 Pourquoi la forensique multimédia est importante
La croissance rapide des contenus numériques a profondément transformé les enquêtes
techniques. Aujourd’hui, une simple image publiée sur un réseau social peut être
manipulée, recadrée, recompressée, géolocalisée ou attribuée à une fausse source. Une
vidéo peut être montée, coupée ou réencodée. Un signal audio peut être nettoyé,
compressé, modifié en fréquence ou fusionné avec d’autres extraits.
Masquage d’informations et filigrane | Sécurité de l’information
1.2 Définitions fondamentales 3
La forensique multimédia permet de répondre à des questions essentielles :
— Le contenu est-il authentique ou modifié ?
— Quel appareil a pu produire ce média ?
— Le fichier a-t-il été recompressé ou réencodé ?
— Une partie du média a-t-elle été supprimée, collée ou altérée ?
— Peut-on extraire des métadonnées utiles à l’enquête ?
— Peut-on associer le contenu à une personne, un lieu ou une transaction ?
Important
Dans un contexte forensique, il ne suffit pas d’observer un média. Il faut aussi
comprendre sa structure numérique, ses transformations, ses métadonnées et les
traces laissées par les outils qui l’ont manipulé.
1.2 Définitions fondamentales
Pour bien comprendre la forensique multimédia, il est nécessaire de maîtriser quelques
notions de base.
Média numérique
Un média numérique est une information représentée sous forme binaire et
stockée ou transmise électroniquement. Dans ce cours, les principaux médias
étudiés sont l’image, l’audio et la vidéo.
Image numérique
Une image numérique est une représentation discrète d’une scène ou d’un
document sous forme d’une matrice de pixels. Chaque pixel porte une valeur
d’intensité ou une combinaison de composantes de couleur.
Signal audio numérique
Un signal audio numérique est une suite discrète d’échantillons obtenus par
numérisation d’une onde sonore analogique. Chaque échantillon représente une
mesure de l’amplitude du signal à un instant donné.
Masquage d’informations et filigrane | Sécurité de l’information
4 1 Introduction
Vidéo numérique
Une vidéo numérique est une succession ordonnée d’images appelées trames,
souvent accompagnées d’un ou plusieurs flux audio, le tout encapsulé dans un
format conteneur.
Métadonnées
Les métadonnées sont des informations descriptives associées à un fichier, comme
la date de création, le type d’appareil, la résolution, le codec, la durée, l’auteur
ou les paramètres d’encodage.
Authenticité
L’authenticité d’un média désigne sa conformité à son origine supposée et
l’absence de modification frauduleuse significative.
Intégrité
L’intégrité désigne le fait qu’un contenu n’a pas été modifié de façon non autorisée
entre sa création, son stockage, sa transmission et son analyse.
1.3 Image, audio et vidéo comme objets forensiques
En forensique multimédia, l’image, l’audio et la vidéo ne sont pas étudiés uniquement
comme des fichiers à afficher. Ils sont analysés comme des structures de données, des
objets techniques et des sources d’indices.
1. Image numérique
Une image est généralement représentée par une matrice de taille H × W , où H est
la hauteur et W la largeur. Dans une image en niveaux de gris, chaque pixel est codé
par une intensité. Dans une image couleur, chaque pixel possède plusieurs composantes,
souvent rouge, vert et bleu.
Les éléments forensiques d’une image peuvent inclure :
— la résolution ;
— l’espace colorimétrique ;
— la profondeur de quantification ;
Masquage d’informations et filigrane | Sécurité de l’information
1.3 Image, audio et vidéo comme objets forensiques 5
— les métadonnées EXIF ;
— les artefacts de compression ;
— le bruit de capteur ;
— les incohérences de texture ou d’éclairage.
2. Audio numérique
L’audio est une suite d’échantillons mesurés à une fréquence d’échantillonnage donnée,
par exemple 8 kHz, 16 kHz ou 44,1 kHz. Il peut être mono ou stéréo, compressé ou non
compressé.
Les éléments forensiques d’un fichier audio peuvent inclure :
— la fréquence d’échantillonnage ;
— la durée ;
— le nombre de canaux ;
— le format de codage ;
— la présence de coupures ou collages ;
— le bruit ambiant ;
— les signatures de dispositifs d’enregistrement.
3. Vidéo numérique
Une vidéo est un flux de trames affichées à une cadence donnée, par exemple 25 ou 30
images par seconde. Elle contient souvent aussi un flux audio. Son étude combine donc
plusieurs dimensions : visuelle, temporelle, acoustique et structurelle.
Les indices forensiques vidéo peuvent inclure :
— le nombre de trames ;
— la fréquence d’images ;
— la résolution ;
Masquage d’informations et filigrane | Sécurité de l’information
6 1 Introduction
— le codec et le conteneur ;
— les ruptures de continuité ;
— les incohérences temporelles ;
— les traces de montage ou de recompression.
Astuce
En pratique, un fichier vidéo peut être vu comme une séquence d’images plus
un ou plusieurs signaux audio, tous encapsulés dans une structure de stockage
spécifique.
1.4 Quelques applications de la forensique multimédia
La forensique multimédia est utilisée dans de nombreux scénarios :
— vérification d’authenticité d’une image ou d’une vidéo ;
— détection de montage ou de manipulation ;
— étude de métadonnées de prise de vue ;
— identification d’une source ou d’un appareil ;
— comparaison de contenus multimédias ;
— traçabilité par filigrane ;
— analyse d’enregistrements audio dans un cadre judiciaire ou sécuritaire.
Exemple
Une image diffusée sur un réseau social peut être analysée pour savoir si elle a
été recadrée, recompressée, modifiée par collage ou générée par plusieurs sources
différentes.
Exemple
Une vidéo de surveillance peut être étudiée pour extraire ses trames, analyser sa
cadence, vérifier la présence d’une coupure suspecte ou inspecter son flux audio
séparément.
Masquage d’informations et filigrane | Sécurité de l’information
1.5 Exemples Python pour comprendre les données multimédia 7
Exemple
Un enregistrement audio peut être examiné pour détecter une coupure, une
modification de fond sonore ou une recompression suggérant une manipulation.
1.5 Exemples Python pour comprendre les données multimé-
dia
Les exemples suivants ne constituent pas des outils forensiques complets. Leur objectif
est pédagogique : aider l’étudiant à comprendre comment les données image, audio et
vidéo sont représentées et manipulées en Python.
Exemple Python 1 : Lire une image et afficher ses dimensions
Cet exemple montre comment charger une image et comprendre qu’elle est stockée sous
forme de tableau numérique.
import cv2
img = cv2 . imread ( " image . jpg " )
print ( " Type : " , type ( img ) )
print ( " Dimensions : " , img . shape )
hauteur , largeur , canaux = img . shape
print ( " Hauteur = " , hauteur )
print ( " Largeur = " , largeur )
print ( " Canaux = " , canaux )
Listing 1 – Lecture simple d’une image avec OpenCV
Exemple
Si l’image est en couleur, [Link] renvoie généralement trois valeurs : hau-
teur, largeur et nombre de canaux. Cela montre qu’une image est une structure
matricielle.
Masquage d’informations et filigrane | Sécurité de l’information
8 1 Introduction
Exemple Python 2 : Convertir une image en niveaux de gris
En forensique, il est souvent utile de simplifier une image pour analyser sa luminance
ou certains détails.
import cv2
img = cv2 . imread ( " image . jpg " )
gray = cv2 . cvtColor ( img , cv2 . COLOR_BGR2GRAY )
print ( " Dimensions image grise : " , gray . shape )
cv2 . imwrite ( " image_grise . jpg " , gray )
Listing 2 – Conversion en niveaux de gris
Exemple Python 3 : Lire les premiers pixels d’une image
Cet exemple aide à comprendre que chaque pixel porte une valeur numérique.
import cv2
img = cv2 . imread ( " image . jpg " )
print ( " Pixel [0 ,0] = " , img [0 ,0])
print ( " Pixel [10 ,20] = " , img [10 ,20])
Listing 3 – Inspection de quelques pixels
Dans une image couleur lue par OpenCV, un pixel est souvent représenté par trois
composantes correspondant à l’ordre BGR.
Exemple Python 4 : Lire un fichier audio
Cet exemple montre comment charger un signal audio avec librosa et examiner sa
structure.
import librosa
Masquage d’informations et filigrane | Sécurité de l’information
1.5 Exemples Python pour comprendre les données multimédia 9
signal , sr = librosa . load ( " audio . wav " , sr = None )
print ( " Type du signal : " , type ( signal ) )
print ( ’ Nombre d ’é chantillons : ’ , len ( signal ) )
print (" Fr é quence d ’é chantillonnage : " , sr )
print ( " Dur é e ( secondes ) : " , len ( signal ) / sr )
Listing 4 – Lecture simple d’un fichier audio
Exemple
Le tableau signal contient les échantillons du son. Chaque valeur représente
une amplitude mesurée à un instant donné.
Exemple Python 5 : Afficher une petite portion du signal audio
import librosa
signal , sr = librosa . load ( " audio . wav " , sr = None )
print ( signal [:20])
Listing 5 – Inspection d’échantillons audio
Cet exemple permet de voir que l’audio n’est pas une notion abstraite : c’est une suite
de nombres réels ou entiers selon le format.
Exemple Python 6 : Lire une vidéo et compter les trames
La vidéo peut être explorée avec OpenCV comme une suite d’images.
import cv2
cap = cv2 . VideoCapture ( " video . mp4 " )
nb_frames = 0
while True :
Masquage d’informations et filigrane | Sécurité de l’information
10 1 Introduction
ret , frame = cap . read ()
if not ret :
break
nb_frames += 1
cap . release ()
print ( " Nombre total de trames : " , nb_frames )
Listing 6 – Lecture d’une vidéo et comptage de trames
Exemple
Cet exemple montre qu’une vidéo peut être parcourue trame par trame. Chaque
trame est elle-même une image numérique.
Exemple Python 7 : Extraire les informations principales d’une vidéo
import cv2
cap = cv2 . VideoCapture ( " video . mp4 " )
largeur = cap . get ( cv2 . C A P _ P R O P _ F R A M E _ W I D T H )
hauteur = cap . get ( cv2 . C A P _ P R O P _ F R A M E _ H E I G H T )
fps = cap . get ( cv2 . CAP_PROP_FPS )
nb_frames = cap . get ( cv2 . C A P _ P R O P _ F R A M E _ C O U N T )
print ( " Largeur : " , largeur )
print ( " Hauteur : " , hauteur )
print ( " FPS : " , fps )
print ( " Nombre de trames : " , nb_frames )
cap . release ()
Listing 7 – Lecture des métadonnées vidéo de base
Ces informations sont utiles en introduction à l’analyse forensique, car elles donnent
une première vision de la structure du média.
Masquage d’informations et filigrane | Sécurité de l’information
1.5 Exemples Python pour comprendre les données multimédia 11
Exemple Python 8 : Sauvegarder une trame d’une vidéo
import cv2
cap = cv2 . VideoCapture ( " video . mp4 " )
ret , frame = cap . read ()
if ret :
cv2 . imwrite ( " premiere_trame . jpg " , frame )
cap . release ()
Listing 8 – Extraction de la première trame d’une vidéo
Cette opération permet ensuite d’analyser une image issue d’une vidéo comme n’importe
quelle autre image numérique.
Important
Avant de détecter une fraude ou d’authentifier un contenu, il faut savoir lire, décrire
et manipuler correctement les données multimédias. Cette étape de compréhension
structurelle est la base de toute analyse forensique sérieuse.
Masquage d’informations et filigrane | Sécurité de l’information