數位證據

數位證據不像我們可以直接認知已存在的實體事物，而可能是電磁紀 錄，以電波或電磁的方式儲存在於電子媒體上，由於必須經由電子設備加以 讀取、分析或顯示成為人類所能理解的文字、聲音、影像等，因此在法律上 的認定，不像實體證據具有相同的地位，再加上電磁紀錄容易消失，所以保 存不易、不易取得及容易竄改，造成無法證明所擷取的證據與原始證據相 同，因而無法成為法庭佐證。為此，必須結合資訊技術與鑑識科學兩個領域 的專業技術，資訊技術提供基本知識及技術，而鑑識科學則提供處理數位證 據的方法。有了兩者的結合，更能確保數位證據的公信力、證明力，也才可 被司法機關採用。

若以法律上的觀點來看，林一德認為數位證據分成下列幾種：[4]

A. 書證：電磁紀錄資料、顯示在螢幕上或是列印出來的電子檔案等均 可稱為書證，書證可依存方式區分為以書面狀態存在的「文書證據」

及以文書的內容作為證據的「證據文書」。

B. 物證：電子數位資料亦有可能作為物證之證據方法。最明顯的例子 即為毀損電腦資料之情形，此時電子數位資料之狀態係充滿亂碼或 其他無意義之符號，或者某部分被刪除等情形。

C. 新證據方法：於某些個案中，電子數位資料本身與被告之關係並非 直接密切相關，即使被告並未對其加以辨認或表示意見，該項證據 本身亦足以供推理欲證明的事項之用。

以採證的技術觀點來看，Timothy E. Wright 認為[5]，在進行電腦鑑識 時，所採集的數位證據包含實體(physical)與邏輯(logical)兩種：

 實體上：數位證據是存在於硬體儲存設備、元件及各類電子媒體中 的資料，進行鑑識時必須使用該媒體或硬體設備的存取方法，將資 料析離出來，所析離出來的證據即為數位證據。

 邏輯上：數位證據必須經由相關原始資訊資源中萃取出來，這些資

源包含 log file、資料庫等等。

2.2 數位相機拍照原理

數位相機的技術發展其實已經有十幾年了，不過一直等到了 1988 年時，才 由 Fuji（富士通）與 Toshiba（新禾）兩家公司合作，推出全球第一部的數位相 機成品。日後，便開始從研發階段進入生產階段，進而帶動全球的消費市場。雖 然，數位相機成像過程的細節是屬於各相機製造商的私有專利，但基本的結構和 處理步驟大致相同。為了方便之後的探討，在此先簡要說明相機成像的一些較重 要的步驟。在這個章節所討論到的數位相機簡介，主要取自 Adams 的文章[6]。

圖 1. (a)相機內部影像處理流程 (b)RGB 模型 (c)與 CMYK 模型

相機成像的基本架構如上圖(a)。當光線穿過相機鏡片，內部的濾波器（Filter）

開始進行動作，包含：反鋸齒（anti-aliasing）、紅外線消除（IR cut filter）、白 點校正等（White Point Correction），其中最重要的是反鋸齒濾波器（anti-aliasing filter）。

此外，感光耦合元件（Charge-Coupled Device, CCD）是數位相機最主要 的構成部分。這個檢測器功能是測量光線投射在檢測器表面上每一個像素的強 度，並將之轉為電荷儲存；在理想的情況下，每一個 RGB 色頻都會使用個別的 CCD 感測器，但這種作法會使成本較高。因此，為了降低售價使得一般消費者

能夠接受，並使機身更為輕巧，目前大都只採用一個 CCD 檢測器，然後加上不 同的光譜檢測器（Spectral detector）將色頻分開成多個部分，這樣的濾波器組合 稱之為 CFA（Color Filter Arrays）。

圖 1(b)和(c)是分別採用 RGB 和 CYMK 配色模式產生的 6 x 6 像素的 CFA 模 型，在上圖(a)RGB 模型中，會遺失許多像素值，這些遺失的像素值就要用插值 彌補（Interpolation）來補足，目前都是由各廠商自行發展相關的插值彌補演算 法（Interpolation Algorithms），因此，每一家廠商使用的演算法都不盡相同。

經過 CFA 的色彩分解之後，每一個色塊的光線經過濾波器的處理，接著在圖(a) 中 Processing 方塊裡開始一連串的處理，包括前述的色彩插值彌補、Gamma 修 正、色彩處理、白點校正，以及輕微的壓縮處理。在此提到的操作步驟，只是一 個簡單的標準流程，隨著不同的廠商而有不同，即使是同一家廠商出產的不同型 號相機，也有相異的標準流程。不過，實際的步驟將會包含更多的細節。

2.2.1 感光元件(Detector)

數位相機的感光元件就是大家時常在討論的 CCD（電荷耦合元件）與 CMOS（互補性氧化金屬半導體），如果用傳統相機組件來比擬，「感光元件」

就相當於傳統的「底片」。

CCD 或 CMOS，基本上兩者都是利用矽感光二極體（photodiode）進行 光與電的轉換。CCD 的特色在於充分保持信號在傳輸時不失真（專屬通道設 計），透過每一個畫素集合至單一放大器上再做統一處理，可以保持資料的完 整性；CMOS 的制程較簡單，沒有專屬通道的設計，CMOS 每個畫素包含了 放大器與 A/D 轉換電路，過多的額外設備壓縮單一畫素的感光區域的表面 積，因此在相同畫素下，同樣大小之感光器尺寸，CMOS 的 ISO 感光度會低 於 CCD。由於，CMOS 每個畫素的結構比 CCD 複雜，其感光開口不及 CCD 大，相對比較相同尺寸的 CCD 與 CMOS 感光器時，CCD 感光器的解析度通 常會優於 CMOS。整體來說，CCD 與 CMOS 兩種設計的應用，反應在成像 效果上，形成包括 ISO 感光度、製造成本、解析度、雜訊與耗電量等，不 同類型上的差異。CMOS 應用半導體工業常用的 MOS 制程，可以一次整合

全部周邊設施於單晶片中，節省加工晶片所需負擔的成本和良率的損失。

CMOS 每個感光二極體旁都搭配一個 ADC 放大器，如果以百萬畫素計，那 麼就需要百萬個以上的 ADC 放大器，雖然是統一製造下的產品，但是每個 放大器或多或少都有些微的差異性存在，很難達到放大同步的效果，對比單 一個放大器的 CCD，CMOS 最終計算出的雜訊就比較多。因此，CMOS 具有 低成本、低耗電以及高整合度的特性。

圖 2. 左圖：NikonD100 CCD；右圖：Nikon D70 鎖上反光鏡後 CCD 露出之位置

圖 3. 搭載於 Canon EOS 350D 數位機身上之 CMOS 元件

2.3 影像特徵

針對一張同樣場景、環境、光線的影像，使用不同的數位相機攝影後，

在做比較時，我們第一個會注意到影像的色彩表現，例如：哪張影像的色彩 飽和？哪張清晰或是邊緣較銳利？是否有偏色的情形？景深適合嗎？等等 問題。如果，我們可以明顯感受不同相機所拍攝出的影像是不一樣的，但要 如何把這種感覺上的不同「量化」呢？我們提出以下分類特徵：

2.3.1 影像色彩特徵

處理，其包含的特徵大致有平均值、相關係數、鄰近分佈質心、能量比等，

且在運算處理時，我們必須做「灰階世界假定（Gray-World Assumption）」，

意即將一張影像以灰階表示，因此，每一個像素會有 256 種變化，最亮的顏 色是白色，以數值 255 表示，最暗的顏色是黑色，以數值 0 表示；介於這中 間的就是灰色，依明暗的不同可以有 254 種變化，以數值 254 到 1 來表示之。

而彩色影像就是此表示法的延伸，一個彩色影像的每個像素都是由三原光

（紅、綠、藍）組成，每一種原光由淺到深以 0 到 255 的數值來表示，都有 256 種變化，因此，用三原光可以表示出2562562562²⁴ 16777216種 顏色變化，故我們可以說每一張彩色影像都是由三個二維空間域陣列來存放 的，每個陣列分別代表一種原光，陣列中的元素值的大小則表示該原光的深 淺程度，計算時也需要將三種原光分開計算，而針對這三原光的計算所獲得 之數值，即色彩特徵值。

2.3.2 影像品質特徵

除了色彩特徵指標之外，不同相機所拍攝之影像的”品質”也不太相同。

我們一般都用肉眼直接觀察不同相機拍攝之影像的品質差異，例如某一台相 機拍攝的影像輪廓比較銳利但色調較暗；而另一台相機拍攝的影像採光好，

顏色品質也較好，但沒有第一台相機那樣輪廓清晰。這些視覺上的差異，我 們採用 Memon 等人所提出的「影像品質指標（Image Quality Metrics, IQM）」

[7]作為特徵指標。

在評估影像系統或是編碼處理技術上，影像品質指標是相當具有優勢的 指標值，一項好的品質指標應該要能反映出經過影像處理之後的失真程度。

一般來說，均方差（Mean Square Error, MSE）與噪訊比（Signal to Noise Ratio, SNR）是我們最常用的指標值。然而，對觀察者的視覺上來說，它們仍無法 符合所有的需求，因此，針對某些多媒體和極低位元率（low bit rate）的影 像，就發展出一套以人類感覺為基礎的影像特徵指標值，這套指標可分為六 類：

a. 以像素差為基礎（Pixel Difference-based）

b. 以相關性為基礎（Correlation-based）

c. 以邊緣為基礎（Edge-based）

d. 以頻譜為基礎（Spectral-based）

e. 以內容為基礎（Context-based）

f. 以人類視覺系統為基礎（Human visual system(HVS)-based）

但其中有些是屬於動態影像使用的指標，因此我們選擇其中針對靜態影 像的測量指標，其為 a, b, d 等三類，作為影像鑑定指標。

2.3.3 頻率域之影像特徵

空間域數位影像是我們平常在電腦中最常使用的資料格式，在這種格式 中每張影像都是由許多像素（pixel）所組合成的，而一張影像通常是以一個 二維陣列來存放，如果將此陣列每個元素值（element）讀出，則可以輕易地 將數位影像顯示在電腦上，因此，這些元素值我們又稱為「像素值」，這種 方法所儲存的數位影像稱為「空間域數位影像」。

除了空間域數位影像資料格式外，另一種數位影像的表達方式為「頻率 域數位影像」資料格式，此表示法是將一般影像由空間域轉換成頻率域的結 果，透過轉換處理後，會將影像之不同頻率的部分個別濾出，產生許多不同 的高低頻帶，常見的空間域轉換成頻率域的方法有：「離散餘弦轉換（Discrete Cosine Transformation, DCT ）」 及 「 離 散 小 波 轉 換 （ Discrete Wavelet Transformation, DWT）」[8]。

在本文中，我們採用小波轉換法（Wavelet Transfer），小波轉換其運作上

在本文中，我們採用小波轉換法（Wavelet Transfer），小波轉換其運作上