Motivation
Obwohl die Digitalisierung immer weiter voranschreitet, liegen wichtige Dokumente wie Pässe und Urkunden noch gedruckt vor. Immer bessere Scanner- und Druckertechnologien führen jedoch zu mehr Dokumentenfälschungen. Kriminelle können diese nutzen, um etwa echte Ausweispapiere oder staatliche Subventionen zu erschleichen. Die Europäische Agentur für die Grenz- und Küstenwache (Frontex) bezeichnet den Dokumentenbetrug als eine der größten Herausforderungen bei der Grenzkontrolle in Europa. Um Dokumentenfälschungen zu erkennen, ist es wichtig, den Quelldrucker und das verwendete Substrat (Papier) korrekt zu identifizieren. Denn mit welcher Technik ein Dokument gedruckt wurde oder ob alle Seiten vom selben Drucker und auf demselben Papier produziert wurden, sind wertvolle Informationen. Die bisherige manuelle forensische Dokumentenprüfung kann mehrere Stunden dauern und erfordert eine langjährige Erfahrung der Prüferinnen und Prüfer. Das Ziel des Vorhabens ML4Print ist es, diesen Prozess zu automatisieren. Dafür sollen geeignete Verfahren auf Basis von Maschinellem Lernen (ML) entwickelt werden.
Ziele und Vorgehen
Im Vorhaben sollen Convolutional Neural Networks (CNNs), also künstliche neuronale Netze, eingesetzt werden. Es konnte bereits prototypisch gezeigt werden, dass diese Methode Dokumente bezüglich ihrer druckbezogenen Eigenschaften effizient klassifiziert. Ein Hauptziel des Vorhabens ist es, das CNN gegenüber Störungen, die von Fälscherinnen und Fälschern ausgenutzt werden könnten, robuster zu machen. Des Weiteren soll erstmals eine Softwarelösung demonstriert werden, welche aus den Scans von Substraten wichtige Eigenschaften wie Papiertypen, Alterungszustände und Zustandsprognosen ableiten kann.
Innovationen und Perspektiven
Die angestrebte Lösung soll den Aufwand bei der Dokumentenklassifizierung gegenüber den aktuell eingesetzten Methoden um bis zu 80 % reduzieren. Davon profitieren Institutionen wie Polizei- und Meldebehörden, BAMF, Strafverfolgungsbehörden und Druckereien. Weitergehend können aber auch Erkenntnisse für Bibliotheken, Archive, Kunsthandel sowie Banken und die Industrie abgeleitet werden. Die im Vorhaben erzielten Ergebnisse können ganz allgemein dazu beitragen, die Schäden und Bedrohungen zu reduzieren, welche durch die Verwendung gefälschter oder manipulierter Dokumente verursacht werden.