照片偽造通過智能技術掠奪

Adobe Research一直在忙著解決如何通過釋放人工智能來發(fā)現(xiàn)圖像操作。通過這樣做，他們可能在圖像取證領域取得了實際進展。

您可以查看論文“學習圖像處理檢測的豐富功能”，作者的作者包括Adobe Research和馬里蘭大學，College Park。

這篇論文應該被那些認為他們可以炫耀他們的伎倆的騙子看到，因為Adobe的科學家們渴望得到并留在你的案子中。

例如，高級研究科學家Vlad Morariu開始尋求解決如何檢測遭受篡改的圖像的問題。Morariu對這項任務并不陌生。2016年，他接受了檢測圖像處理的挑戰(zhàn)，作為DARPA媒體取證計劃的一部分。

如何檢測圖片是真實的還是被操縱的?

在這種情況下，他和他的同事通過三種類型的操作觀察了操縱。拼接[兩個不同圖像的部分組合]，克隆[當您將對象從一個步幅移動到另一個時]和刪除。[在后者中，您刪除了一個對象 - 并且可以填充空間。]

首先，讓我們聽到一些噪音。

“每個圖像都有自己難以察覺的噪聲統(tǒng)計數(shù)據。當你操縱圖像時，你實際上會將噪聲統(tǒng)計數(shù)據與內容一起移動。”

Adobe博客中的一篇帖子也發(fā)表了關于操縱的知識。“文件格式包含可用于存儲有關如何捕獲和操作圖像的信息的元數(shù)據。法醫(yī)工具可用于通過檢查照片的噪聲分布，強邊緣，光照和其他像素值來檢測操作。水印可以是用于建立圖像的原始創(chuàng)作。“

即使人眼可能無法發(fā)現(xiàn)偽影，也可以通過在像素級別進行密切分析來檢測，Adobe說，或者應用有助于突出顯示變化的過濾器。然而，并非所有這些工具都能完美地發(fā)現(xiàn)篡改。

進入人工智能和機器學習 - 他們進入弗拉德的腦袋，作為識別修改圖像的潛在可靠途徑。

AI不僅可以進行操作，還可以識別所使用的操作類型，并突出顯示已更改的照片的特定區(qū)域?為了得到答案，他和團隊訓練了一個深度學習神經網絡來識別圖像處理。

嘗試了兩種技術，(1)RGB流(改變像素的紅色，綠色和藍色值)以檢測篡改和(2)使用噪聲流濾波器。

結果?作者在他們的論文中說“標準數(shù)據集上的實驗表明，我們的方法不僅可以檢測篡改偽像，還可以區(qū)分各種篡改技術。未來將探索更多的功能，包括JPEG壓縮。”

Adobe博客提醒我們，數(shù)字圖像處理技術“可以用于我們想象中的最佳和最差”。

為什么這項研究很重要：所使用的技術為管理數(shù)字操作的影響提供了更多的可能性和更多選擇，他們可能更有效地回答真實性問題，Adobe Blog表示。