null_distribution — IMGFORENSICS `calibration` op

• Data kinds: signal → table

• Call: import imgforensics; imgforensics.null_distribution(values) (or opsimgforensics.get("null_distribution"))

Usage

Summarise the null distribution of the evidence statistic from samples known to be untampered.

> The detailed description below is the original text — the summary and the headings are translated.

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)。

References (sample data, literature)

• Sample-data catalog (download URLs / licences) — 2-D uses skimage.data (BSD/public domain) plus synthetic images; 3-D lists download URLs for real data sources (Stanford, PDS, …).

• Operator provenance and references — the sources of the research/methods this op family came from.

• The canonical algorithm (author, year) and its uses are named in the family usage guide above.

Runnable examples (verified samples that actually call this op)

• image_forensics_audit — py -3.11 examples/image_forensics_audit.py

Ops the type connects to (they accept `table` as input)

evidence_quantile

Same category (`calibration`)

evidence_quantile

*Provenance: imgforensics.py — IMGFORENSICS operator registry. This per-op note is generated by tools/opdocs.py md (do not hand-edit).*

null_distribution — IMGFORENSICS calibration op