null_distribution — IMGFORENSICS `calibration` op

• Datenarten: signal → table

• Aufruf: import imgforensics; imgforensics.null_distribution(values) (oder opsimgforensics.get("null_distribution"))

Verwendung

Fasst die Nullverteilung der Beweisstatistik aus Proben zusammen, die nachweislich unmanipuliert sind.

> Die ausführliche Beschreibung unten ist der Originaltext — Zusammenfassung und Überschriften sind übersetzt.

この族は一貫して判定を返さない。それは正しいが、そのままだと利用者は

`PCE 1832` のような数値を渡されて解釈する手段が無い。かといって

しきい値を同梱すると嘘になる ―― 分離点は枚数・解像度・圧縮率・被写体で

動くので、出荷時に決められる値ではない。

そこで利用者自身の清浄データから分布を測る。同梱するのは「しきい値」

ではなく「しきい値の測り方」で、それなら条件が変わっても正しいままでいる。

Parameters

----------

values : array_like

改竄が無いと分かっている組で測った証拠量(`hash_distance` や

`fingerprint_correlate()["pce"]` など)。同じ条件で集めること。

Returns

-------

dict

`n / mean / std / min / max / quantiles`

(5, 25, 50, 75, 95, 99 パーセンタイル)。標本が少ないと裾は測れない

ので `n < 20 は caveats` に出す(黙って外挿しない)。

Referenzen (Beispieldaten, Literatur)

• Katalog der Beispieldaten (Download-URLs / Lizenzen) — 2-D nutzt skimage.data (BSD/Public Domain) plus synthetische Bilder, 3-D nennt Download-URLs echter Datenquellen (Stanford, PDS, …).

• Herkunft und Literatur der Operatoren — die Quellen der Forschung/Verfahren, auf denen diese Operatorfamilie beruht.

• Der kanonische Algorithmus (Autor, Jahr) und seine Anwendungen stehen im Familienleitfaden oben.

Ausführbare Beispiele (verifizierte Samples, die diesen Operator wirklich aufrufen)

• image_forensics_audit — py -3.11 examples/image_forensics_audit.py

Typkompatible Folge-Operatoren (nehmen `table` als Eingabe)

evidence_quantile

Gleiche Kategorie (`calibration`)

evidence_quantile

*Provenance: imgforensics.py — IMGFORENSICS Operator-Registry. Diese Notiz wird von tools/opdocs.py md erzeugt (nicht von Hand bearbeiten).*

null_distribution — IMGFORENSICS calibration op