Fotoforfalskning fanget via overlisteteknikker

Adobe Research har haft travlt med at finde ud af, hvordan man kan spotte billedmanipulationer ved at udløse AI på sagen. Derved, de kan være ved at opnå reelle fremskridt inden for billedforensik.

Du kan tjekke avisen, "Lær rige funktioner til registrering af billedmanipulation, "af forfattere, hvis tilknytning omfatter Adobe Research og University of Maryland, College Park.

Avisen bør ses af falsknere, der tror, ​​de kan slippe af sted med at prale med deres tricks, fordi Adobes videnskabsmænd er ivrige efter at komme og blive ved med din sag.

Seniorforsker Vlad Morariu, for eksempel, ud på en søgen efter at løse problemet med, hvordan man opdager billeder, der har været udsat for manipulation. Morariu er ikke fremmed for opgaven. I 2016 han tog en udfordring op med at opdage billedmanipulation som en del af DARPA Media Forensics-programmet.

Hvordan kan du opdage, om et billede er autentisk eller er blevet manipuleret?

I dette tilfælde, han og hans kolleger holdt øje med manipulation via tre typer operationer. Splejsning [dele af to forskellige billeder kombineres], kloning [når du flytter et objekt fra et tempo til et andet] og fjernelse. [I sidstnævnte, du fjerner et objekt – og pladsen kan udfyldes.]

Først, lad os høre noget støj.

"Hvert billede har sin egen umærkelige støjstatistik. Når du manipulerer et billede, du flytter faktisk støjstatistikken sammen med indholdet. "

Et opslag i Adobe-bloggen indeholdt også hans bemærkninger om, hvad vi kan vide om manipulation. "Filformater indeholder metadata, der kan bruges til at gemme information om, hvordan billedet blev optaget og manipuleret. Retsmedicinske værktøjer kan bruges til at opdage manipulation ved at undersøge støjfordelingen, stærke kanter, lys og andre pixelværdier af et billede. Vandmærker kan bruges til at etablere original skabelse af et billede."

Selvom det menneskelige øje måske ikke er i stand til at få øje på artefakterne, detektion er mulig ved tæt analyse på pixelniveau, sagde Adobe, eller ved at anvende filtre, der hjælper med at fremhæve ændringer. Ikke alle sådanne værktøjer, imidlertid, fungerer perfekt til at opdage manipulation.

Indtast kunstig intelligens og maskinlæring - og de kom ind i Vlads hoved, som potentielt pålidelige veje til at identificere et ændret billede.

Kan AI ikke kun spotte manipulation, men også identificere den anvendte type manipulation og fremhæve det specifikke område af fotografiet, der blev ændret? For at få svar, han og teamet trænede et dybt læringsneuralt netværk til at genkende billedmanipulation.

To teknikker blev prøvet, (1) en RGB-stream (skifter til rød, grønne og blå farveværdier for pixels) for at detektere manipulation og (2) brug af et støjstrømfilter.

Resultater? Forfatterne sagde i deres papir, at "Eksperimenter med standarddatasæt viser, at vores metode ikke kun registrerer manipulationsartefakter, men også skelner mellem forskellige manipulationsteknikker. Flere funktioner, inklusive JPEG-komprimering, vil blive udforsket i fremtiden."

Adobe-bloggen minder os om, at digital billedmanipulation er en teknologi, der "kan bruges til både den bedste og den værste af vores fantasi."

Hvorfor denne forskning betyder noget:Teknikker, der bruges, giver flere muligheder og flere muligheder for at styre virkningen af ​​digital manipulation, og de besvarer potentielt spørgsmål om ægthed mere effektivt, sagde Adobe-bloggen.

Paul Lilly vejede kl HotHardware :"Det er ikke et perfekt system, men det er rart at se virksomheder som Adobe arbejde på måder at adskille fakta fra fiktion inden for fotografering."

© 2018 Tech Xplore