Blind image-based source identification for FDM 3D printed content = FDM 3D 프린팅 콘텐츠에 대한 블라인드 이미지 기반 소스 식별

다국어 초록 (Multilingual Abstract)

This paper lays the foundation for a new 3D content market by establishing a content security framework using databases and benchmarks for in-depth research on source identification of 3D printed objects. The proposed benchmark, 3DP dataset, offers a more generalized multimedia forensic technique. Assuming that identifying the source of a 3D printing object can arise from various invisible traces occurring in the printing process, we obtain close-up images, full object images from 252 printed objects from 18 different printing setups. We then propose a benchmark with five challenging tasks such as device-level identification and scan-andreprint detection using the provided dataset. Our baseline shows that the printer type and its attributes can be identified based on the microscopic difference of surface texture. Contrary to the conventional belief that only microscopic views such as close-up images are useful to identify printer model, we also achieved a certain level of performance even at a relatively macroscopic point of view. We then propose a multitask-multimodal architecture for device-level identification task to exploit rich knowledge from different image modality and task. The 3DP dataset can promote future in-depth research studies related to digital forensics and intellectual property protection.

국문 초록 (Abstract)

이 논문은 3D 프린트된 객체의 출처 식별에 대한 심층 연구를 위해 데이터베이스 및 벤치마크를 활용한 콘텐츠 보안 프레임워크를 구축함으로써 새로운 3D 콘텐츠 시장의 기반을 마련한다. 제안된 벤치마크인 3DP 데이터셋은 일반화된 멀티미디어 포렌식 기술을 제공한다. 3D 프린팅 객체의 출처를 식별하는 것이 프린팅 과정에서 발생하는 다양한 보이지 않는 흔적에서 비롯될 수 있다고 가정하고, 18개의 다른 프린팅 설정에서 프린트된 252개의 객체의 클로즈업 이미지와 전체 객체 이미지를 획득한다. 제공된 데이터셋을 사용하여 디바이스 식별 및 스캔-재출력 탐지와 같은 다섯 가지 도전적인 과제를 포함하는 벤치마크를 제안한다. 우리의 기준 모델은 프린터 유형과 그 속성이 표면 질감의 미세한 차이를 기반으로 식별될 수 있음을 보여준다. 클로즈업 이미지와 같은 미시적인 관점만이 프린터 모델을 식별하는 데 유용하다는 기존의 생각과 달리, 우리는 상대적으로 거시적인 관점에서도 일정 수준의 성능을 달성했다. 그 후, 다양한 이미지 모달리티와 과제에서 풍부한 지식을 활용하기 위해 디바이스 식별 과제를 위한 multitask-multimodal 아키텍처를 제안한다. 3DP 데이터셋은 디지털 포렌식 및 지적 재산 보호와 관련된 미래의 심층 연구를 촉진할 수 있다.

목차 (Table of Contents)

• Ⅰ. Introduction 1
• Ⅱ. BACKGROUND 3
• 1. Consumer-level 3D Printer 3
• 2. Abuse Cases of 3D Prints 5
• 3. Printer Characterization Factors 7
• A. Pattern nosie 7
• B. Random noise 8
• Ⅲ. DATASET 9
• 1. Preparation 9
• 2. Collect 3D Prints 10
• 3. Digital Capture of 3D Prints 13
• Ⅳ. SOURCE IDENTIFICATION TASKS 17
• 1. Printer Model Identification 18
• 2. Filament Material Identification 18
• 3. Quality Parameter Identification 19
• 4. Device-level Identification 19
• 5. Scan-and-reprint Detection 20
• Ⅴ. EXPERIMENTAL SETUP 21
• 1. Evaluation protocol 21
• A. Select data type 21
• B. Separation of data for cross-validation 21
• C. Evaluation per task 22
• 2. Proposed Approach 22
• Ⅵ. RESULTS 25
• 1. Comparison Test 27
• 2. Impact of Different Geometries 28
• 3. Printer Model Identification 29
• 4. Filament Material Identification 30
• 5. Quality Parameter Identification 31
• 6. Device-level Identification 32
• 7. Scan-and-reprint Detection 34
• 8. Printer Fingerprint Matching 35
• Ⅶ. DISCUSSION AND CONCLUSION 37
• Ⅷ. REFERENCES 39