В ходе испытаний этот прототип конвейера визуализации увеличил шансы обнаружения манипуляций с примерно 45 процентов до более 90 процентов без ущерба для качества изображения.
Определение подлинности фото или видео становится все более проблематичным. Сложные методы изменения фотографий и видео стали настолько доступными, что так называемые «глубокие подделки» – обработанные фотографии или видео, которые удивительно убедительны и часто включают знаменитостей или политических деятелей, – стали обычным явлением.
Павел Корус, доцент кафедры компьютерных наук и инженерии Нью-Йоркского университета в Тандоне, впервые применил этот подход.
Он заменяет типичный конвейер обработки фотографий нейронной сетью – одной из форм искусственного интеллекта, – которая вводит тщательно созданные артефакты непосредственно в изображение в момент получения изображения. Эти артефакты, похожие на «цифровые водяные знаки», чрезвычайно чувствительны к манипуляциям.
«В отличие от ранее использовавшихся методов нанесения водяных знаков, эти артефакты, полученные с помощью искусственного интеллекта, могут раскрыть не только существование манипуляций с фотографиями, но и их характер», – сказал Корус.
Процесс оптимизирован для встраивания в камеру и может выдержать искажение изображения, вызванное онлайн-сервисами обмена фотографиями.
Преимущества интеграции таких систем в камеры очевидны.
«Если сама камера создает изображение, более чувствительное к подделке, любые корректировки будут обнаружены с высокой вероятностью», – сказал Насир Мемон, профессор компьютерных наук и инженерии в Нью-Йоркском университете Тандон и соавтор, вместе с Корусом, статьи. детализация техники. «Эти водяные знаки могут пережить постобработку; однако они довольно хрупки, когда дело доходит до модификации: если вы измените изображение, водяной знак сломается», – сказал Мемон.
Большинство других попыток определить подлинность изображения исследуют только конечный продукт – заведомо сложное мероприятие.
Корус и Мемон, напротив, пришли к выводу, что современная обработка цифровых изображений уже опирается на машинное обучение. Каждая фотография, сделанная на смартфон, подвергается почти мгновенной обработке для корректировки с учетом низкой освещенности и стабилизации изображения, причем обе эти операции выполняются благодаря встроенному ИИ. В ближайшие годы процессы, основанные на искусственном интеллекте, вероятно, полностью заменят традиционные конвейеры обработки цифровых изображений. По мере того, как происходит этот переход, Мемон сказал, что «у нас есть возможность кардинально изменить возможности устройств следующего поколения, когда дело доходит до целостности изображений и аутентификации.
Конвейеры визуализации, оптимизированные для криминалистической экспертизы, могут помочь восстановить элемент доверия в тех областях, где трудно с уверенностью провести грань между реальным и фальшивым."
Корус и Мемон отмечают, что, хотя их подход показывает многообещающие результаты при тестировании, необходима дополнительная работа для улучшения системы. Это решение с открытым исходным кодом и доступно по адресу https: // github.com / pkorus / neural-imaging.
Исследователи представят свой доклад «Аутентификация контента для конвейеров нейронной визуализации: сквозная оптимизация происхождения фотографий в сложных каналах распространения» на конференции по компьютерному зрению и распознаванию образов в Лонг-Бич, Калифорния, в июне.