JPEG-Doppelkompression: Dokumentenfälschungen zuverlässig erkennen

Die JPEG-Doppelkompressionsanalyse erkennt gefälschte Dokumente, indem sie Bildbereiche identifiziert, die zweimal mit unterschiedlichen Qualitätsstufen komprimiert wurden — die Signatur einer Montage (ein in einen Scan eingefügtes Foto, ein aus einer anderen Datei kopiertes Feld) oder eines Betrügers, der ein bereits verändertes Dokument neu einscannt, um Spuren der ersten Fälschung zu verwischen. Anders als die Fehlerpegelanalyse (ELA), die ein Bild mit einer einzigen Requantisierungsstufe vergleicht, durchsucht diese Technik einen ganzen Bereich von JPEG-Qualitätsstufen, um die ursprüngliche Kompressionsqualität jeder Region genau zu bestimmen — dadurch erkennt sie Manipulationen, die der ELA allein entgehen.

Laut dem ACFE-Bericht 2024 (Report to the Nations) werden nur 37 % der Dokumentenbetrugsfälle durch interne Kontrollen aufgedeckt — eine Obergrenze, die bestehen bleibt, solange Compliance-Teams sich auf eine einzige forensische Schicht verlassen. Die Doppelkompressionsanalyse schließt eine konkrete Lücke: Dokumente, die eine erste ELA-Prüfung überstanden haben, weil sie vor der Einreichung neu gescannt oder erneut exportiert wurden.

Was JPEG-Doppelkompression in der Dokumentenforensik bedeutet

JPEG-Doppelkompression bedeutet, dass ein Bild zweimal nach dem JPEG-Algorithmus kodiert wurde, jeweils mit unterschiedlicher Qualitätsstufe. Jeder JPEG-Durchgang wendet eine diskrete Kosinustransformation (DCT) auf 8×8-Pixel-Blöcke an und teilt die resultierenden Koeffizienten anschließend durch eine Quantisierungstabelle, die für die gewählte Qualitätsstufe spezifisch ist. Wird ein bereits komprimiertes Bild bearbeitet und erneut gespeichert, durchlaufen seine DCT-Koeffizienten eine zweite Division — mit einer Quantisierungstabelle, die sich von der ersten unterscheidet.

Der Forscher Hany Farid formalisierte die Erkennung dieses Effekts in „Exposing Digital Forgeries from JPEG Ghosts" (IEEE Transactions on Information Forensics and Security, 2009). Seine als JPEG-Ghost-Erkennung bekannte Methode speichert das verdächtige Bild bei einer Reihe ansteigender Qualitätsstufen erneut ab und berechnet bei jedem Schritt die mittlere quadratische Abweichung zum Original. Die Region, die zuerst mit einer bestimmten Qualität komprimiert wurde, erzeugt bei genau dieser Qualitätsstufe ein scharfes lokales Minimum — einen „Geist", der ihre ursprüngliche Kompression verrät, selbst wenn sie später in ein mit anderer Qualität rekomprimiertes Bild eingebettet wurde.

Ein zweiter Ansatz, beschrieben von Alin Popescu und Hany Farid in „Statistical Tools for Digital Forensics" (2005), nutzt den Doppelquantisierungseffekt (DQ): Das Histogramm der DCT-Koeffizienten einer rekomprimierten Region zeigt periodische Spitzen und Täler, die in einem einmal komprimierten JPEG niemals auftreten. Diese statistische Signatur ist unabhängig von der finalen Quantisierungstabelle und bleibt selbst dann erkennbar, wenn der JPEG-Geist selbst nur schwach ausgeprägt ist.

Wie Doppelkompression ein gefälschtes Dokument entlarvt

Ein Betrüger, der eine gescannte Gehaltsabrechnung, einen Kontoauszug oder eine Rechnung fälscht, geht fast immer nach demselben Muster vor: den JPEG-Scan öffnen, ein Feld ersetzen (Betrag, Name, Datum), dann die Datei erneut speichern. Zwei Szenarien hinterlassen einen Doppelkompressions-Fingerabdruck:

Einfügen einer Region aus einer anderen Datei. Ein Screenshot, eine fotografierte Ziffer aus einem anderen Dokument oder ein separat erzeugtes Element wird in das Zieldokument eingefügt. Diese Region trägt ihre eigene Kompressionsgeschichte, die sich vom Rest des Bildes unterscheidet — der JPEG-Geist und das DQ-Histogramm entlarven sie, selbst wenn Farben und Schriftart mit bloßem Auge perfekt übereinstimmen.

Erneutes Speichern der gesamten Verbunddatei. Sobald die Montage fertig ist, speichert der Betrüger das gefälschte Dokument als JPEG. Die gesamte Datei durchläuft dann eine zweite, einheitliche Kompression — aber die veränderte Region hat bereits im Moment ihrer Erstellung oder Extraktion einen ersten Kompressionszyklus durchlaufen, mit einer Qualität, die sich vom Rest des Originaldokuments unterscheidet.

Die ELA-Blindstelle, die Doppelkompression schließt

Die Fehlerpegelanalyse bleibt die am häufigsten verwendete forensische Technik bei JPEG-Dokumenten, hat aber eine dokumentierte Grenze: Wird ein Dokument mehrfach rekomprimiert — gedruckt und neu gescannt, oder einfach mehrfach neu exportiert vor der Einreichung —, flacht die ELA-Karte ab und die ursprünglichen Fälschungsspuren werden unsichtbar. Unser ELA-Leitfaden dokumentiert genau dieses Phänomen; Betrüger, die die ELA-Funktionsweise kennen, nutzen diese Schwäche gezielt aus.

Die Doppelkompressionsanalyse funktioniert anders: Statt nach einer Fehlerpegel-Anomalie gegenüber einer einzigen Referenzqualität zu suchen, durchsucht sie den gesamten plausiblen Qualitätsbereich. Ein nach einer ersten Fälschung neu gescanntes Dokument behält die Signatur seines ersten Kompressionszyklus im DCT-Histogramm, selbst nach mehreren Neuspeicherungen — etwas, das die klassische ELA an diesem Punkt nicht mehr erkennen kann. Diese Ergänzung erklärt, warum ernsthafte forensische Plattformen sich niemals allein auf ELA verlassen.

Ein verwandtes Signal ist die Bildschirm-Recapture-Erkennung, die Fotos eines Bildschirms identifiziert, die als Fotos eines Dokuments getarnt sind. Beide Techniken überschneiden sich häufig bei derselben zugrunde liegenden Betrugsart: einem bereits einmal gefälschten Dokument, das fotografiert oder neu gescannt wurde, um die Spuren der ersten Manipulation zu verdecken.

Erkennung in der Praxis umsetzen

Laut dem ENISA Threat Landscape 2024 nimmt die Raffinesse der für technisch nicht versierte Akteure zugänglichen Fälschungswerkzeuge zu — das macht die Automatisierung dieser Kontrollen über eine punktuelle Prüfung hinaus notwendig. Ein praktikables Vorgehen für ein Compliance-Team:

1. DCT-Blöcke und Quantisierungstabellen extrahieren. Ein kostenloses Open-Source-Werkzeug wie JPEGsnoop liest eingebettete DQT-Tabellen aus und meldet Inkonsistenzen zwischen Segmenten desselben Bildes.
2. Qualitätsbereich nach einem JPEG-Geist durchsuchen. Das Bild bei ansteigenden Qualitätsstufen erneut speichern (zum Beispiel alle 5 Punkte von 50 bis 95) und bei jeder Stufe die mittlere quadratische Abweichung berechnen; ein lokalisiertes Minimum in einer bestimmten Region signalisiert Doppelkompression.
3. Das DCT-Koeffizienten-Histogramm untersuchen. Eine anormale Periodizität von Spitzen und Tälern in einer bestimmten Region bestätigt den Doppelquantisierungseffekt, unabhängig vom Ergebnis des JPEG-Geistes.
4. Mit Metadaten und ELA abgleichen. Ein inkonsistenter EXIF-Zeitstempel oder ein ELA-Halo an derselben Stelle wie eine Doppelkompressions-Anomalie verstärkt die Fälschungsvermutung erheblich.
5. Die Beweiskette dokumentieren. Die Analyseparameter (getestete Qualitätsstufen, Referenz-Quantisierungstabelle) protokollieren, um den bei einer regulatorischen Prüfung geforderten Prüfpfad zu untermauern.

Keine dieser Techniken liefert allein ein binäres Urteil: Sie speisen ein Bündel von Indizien, das ein Compliance-Team — oder eine automatisierte Plattform — als Ganzes interpretieren muss.

Grenzen der Doppelkompressionsanalyse

Verlustfreie Formate. Die JPEG-Doppelkompressionsanalyse gilt ausschließlich für Dateien mit verlustbehafteter JPEG-Kompression. Sie ist wirkungslos bei nativen, aus Textverarbeitung erzeugten PDFs, PNGs oder TIFFs, die nie eine DCT-Quantisierung durchlaufen haben.

Eine einzige überzeugende Kompression. Ein Betrüger, der seine Montage in einer einzigen finalen Kompression glättet — ohne die Quellelemente jemals separat als JPEG zu speichern —, kann die Amplitude des JPEG-Geistes deutlich reduzieren, wobei der Doppelquantisierungseffekt im DCT-Histogramm meist trotzdem nachweisbar bleibt.

Nahe beieinanderliegende Kompressionsqualitäten. Liegen die Qualität der ersten und zweiten Kompression sehr nahe beieinander (wenige Punkte Unterschied), wird der JPEG-Geist schwach und erfordert eine feinkörnige Durchsuchung, um erkannt zu werden.

KI-generierte Dokumente. Von Diffusionsmodellen oder Bildgeneratoren erzeugte Dokumente stammen aus keiner vorherigen JPEG-Quelle: Sie haben keine Erstkompression, die entdeckt werden könnte, weshalb die Doppelkompressionsanalyse auf diese Fälschungsklasse nicht anwendbar ist. Diese Signalfamilie benötigt eine eigene Erkennungsschicht, die auf Generierungsartefakte ausgerichtet ist. Die KI-Erkennung von CheckFile meldet Anzeichen KI-generierter Inhalte als Ergänzung zu Ihren bestehenden Kontrollen — keine Lösung erreicht 100 % Erkennung, aber die Kombination von Schichten erhöht die Gesamtabdeckung.

Kombination mit anderen forensischen Techniken

Ein mehrschichtiger analytischer Ansatz, der Doppelkompressionsanalyse, Metadatenprüfung und ELA kombiniert, stellt die zuverlässigste Methodik zur Identifizierung rekomprimierter Verbunddokumente dar. Keine einzelne Technik deckt alle Angriffsvektoren ab.

ELA erkennt jüngste pixelgenaue Bearbeitungen vor mehrfacher Rekompression — sie bleibt die richtige erste Prüfung bei frisch veränderten Dokumenten.

EXIF-Metadatenanalyse (vollständiger Leitfaden) bestätigt oder widerlegt das angegebene Gerät, das Aufnahmedatum und die Bearbeitungssoftware — ein von der Kompressionsgeschichte des Bildes unabhängiges Signal.

Unser Vergleich von Dokumentforensik-Werkzeugen und KI-Erkennung beschreibt im Detail, wie diese Schichten in einer Produktionspipeline zusammenwirken: siehe unseren Vergleich von Forensik-Werkzeugen und KI für den Gesamtüberblick.

Zwei Fragen tauchen in Compliance-Foren immer wieder auf. Erstens: „Kann ein zweimal gedrucktes und gescanntes Dokument noch erkannt werden?" — ja, in den meisten Fällen, denn jeder Druck-Scan-Rescan-Zyklus fügt eine neue JPEG-Kompressionsgeneration hinzu, die eine statistische Spur im Histogramm hinterlässt, selbst wenn der visuelle Geist verblasst. Zweitens: „Funktioniert die Doppelkompressionsanalyse bei per E-Mail versendeten PDFs?" — nur, wenn das PDF intern JPEG-Bilder einbettet (häufig bei aus Scannern erzeugten PDFs); ein natives Text-PDF ist nicht betroffen und fällt eher unter die strukturelle Dateianalyse als unter die Bildanalyse.

Regulatorischer Rahmen in Deutschland

Stand 25. September 2026 müssen deutsche verpflichtete Unternehmen nach dem Geldwäschegesetz (GwG) Sorgfaltspflichten anwenden, die dem dargestellten Risiko angemessen sind. Die Bundesanstalt für Finanzdienstleistungsaufsicht (BaFin) schreibt keine einzelne technische Methode zur Dokumentenprüfung vor, verlangt aber robuste Systeme und Kontrollen, die gefälschte oder veränderte Dokumente erkennen können — einschließlich solcher, die gezielt eine erste ELA-Prüfung umgehen sollen.

Die Einbettung der Doppelkompressionsanalyse in einen dokumentierten forensischen Workflow mit nachvollziehbaren Testparametern erfüllt den für risikoreichere Akten erwarteten „risikosensiblen" Standard. Unternehmen sollten den Prüfpfad dieser Analysen zusammen mit den übrigen Bestandteilen der Kundensorgfaltsakte aufbewahren.

Für einen umfassenderen Überblick über Dokumentenprüfungspraktiken siehe unseren Leitfaden zur Dokumentenprüfung. Wenn Ihr Team hohe Volumina an Akten bearbeitet, die Verbund- oder KI-generierter Fälschung ausgesetzt sind, erläutert unsere Seite zur Deepfake- und KI-Signalerkennung, wie diese Schicht neben Ihren bestehenden Kontrollen greift — etwa mit Plattformen wie CheckFile zur Automatisierung im großen Maßstab.

Häufig gestellte Fragen

Was ist ein „JPEG-Geist"?

Ein JPEG-Geist ist das lokale Minimum der mittleren quadratischen Abweichung, das entsteht, wenn ein verdächtiges Bild bei mehreren JPEG-Qualitätsstufen erneut gespeichert wird. Dieses Minimum tritt genau bei der ursprünglichen Kompressionsqualität einer bestimmten Region auf und zeigt, dass sie vor dem Einbetten in das finale Dokument einmal komprimiert wurde.

Erkennt die Doppelkompressionsanalyse jede Montage?

Nein. Sie ist wirkungslos bei verlustfreien Formaten (natives PDF, PNG, TIFF) und verliert an Empfindlichkeit, wenn die beiden aufeinanderfolgenden Kompressionen sehr ähnliche Qualitäten verwenden. Sie gilt auch nicht für KI-generierte Dokumente, die nie eine ursprüngliche JPEG-Kompression hatten, die entdeckt werden könnte.

Kann ein zweimal gescanntes Dokument dieser Erkennung entgehen?

Erneutes Scannen eines Dokuments reduziert die Amplitude des visuellen JPEG-Geistes, hinterlässt aber meist eine statistische Spur im Histogramm der DCT-Koeffizienten (Doppelquantisierungseffekt), die mit einer feinkörnigen Analyse nachweisbar ist.

Welche kostenlosen Werkzeuge unterstützen diese Analyse?

JPEGsnoop, quelloffen, extrahiert Quantisierungstabellen und meldet Inkonsistenzen zwischen Segmenten eines Bildes. Kommerzielle Plattformen zur Dokumentenprüfung integrieren die JPEG-Geist-Erkennung und die DQ-Analyse in der Regel in eine umfassendere automatisierte Pipeline.

Wie kombiniert sich die Doppelkompressionsanalyse mit ELA?

ELA erkennt jüngste, nicht rekomprimierte Bearbeitungen; die Doppelkompressionsanalyse erkennt Dokumente, die mehrere Kompressionszyklen durchlaufen haben, einschließlich solcher, die gezielt das ELA-Signal abflachen sollen. Gemeinsam eingesetzt, decken sie ein breiteres Fälschungsspektrum ab als jede Technik für sich allein.