Vemos os feitos imaginativos da falsificação fotográfica; agora temos que descobrir o que fazer com eles. Ser capaz de diferenciar o falso do real é o objetivo, mas como chegar lá? A perícia é a principal ferramenta para localizar fotos falsas e não parece ser uma tarefa fácil fazer com que essa ferramenta funcione bem.

"Uma das coisas mais difíceis sobre a detecção de fotos manipuladas, ou 'deepfakes, 'é que os arquivos de fotos digitais não são codificados para serem invioláveis, "disse Lily Hay Newman em Com fio .

O que os especialistas alcançaram, então? Os analistas forenses descobriram como identificar algumas características digitais para detectar intromissões, "mas esses indicadores nem sempre pintam um quadro confiável, " ela disse.

E mesmo essas pistas podem não ajudar, como "muitos tipos comuns de 'pós-processamento, 'como compactação de arquivo para upload e compartilhamento de fotos online, tire essas pistas de qualquer maneira. "

Mas espere. Uma dupla de pesquisadores da Escola de Engenharia Tandon da Universidade de Nova York tinha um e se - um selo à prova de violação da própria câmera.

O artigo deles discutindo essa ideia está no arXiv, e é intitulado, "Canalizações de imagens neurais - o flagelo ou a esperança da perícia?" Os autores são Pawel Korus e Nasir Memon.

"Demonstramos que uma rede neural pode ser treinada para substituir todo o pipeline de revelação de fotos, e otimizado em conjunto para renderização de fotos de alta fidelidade e análise de proveniência confiável. Esse pipeline de imagem neural otimizado nos permitiu aumentar a precisão de detecção de manipulação de imagem de aprox. 45% a mais de 90%. A rede aprende a introduzir artefatos cuidadosamente elaborados, semelhante a marcas d'água digitais, que facilitam a detecção de manipulação subsequente. A análise das compensações de desempenho indica que a maioria dos ganhos pode ser obtida apenas com uma pequena distorção. "

Com fio explicou o que os autores propuseram:treinar uma rede neural para alimentar o processo de revelação da foto que ocorre dentro das câmeras. "Os sensores interpretam a luz que atinge as lentes e a transformam em uma imagem de alta qualidade, a rede neural também é treinada para marcar o arquivo com indicadores indeléveis que podem ser verificados posteriormente, se necessário, por analistas forenses, "Newman escreveu.

Ela citou o pesquisador Nasir Memon comentando sobre a verificação de falsificações dessa maneira. Ele disse que "você tem que ir perto da fonte onde a imagem foi capturada."

Ele ainda disse que neste trabalho "estamos criando uma imagem que é amigável para a perícia, o que permitirá uma análise forense melhor do que uma imagem típica. É uma abordagem proativa, em vez de apenas criar imagens para sua qualidade visual e, em seguida, esperar que as técnicas forenses funcionem após o fato. "

Melanie Ehrenkranz em Gizmodo também esclareceu o que os pesquisadores estavam tentando realizar, para obter sucesso em perícia usando aprendizado de máquina para fins forenses, e assando um método de detecção direto na câmera.

Ehrencranz:“Eles detalham um método no qual uma rede neural substitui o processo de revelação da foto de forma que a imagem original tirada seja marcada com algo como uma marca d'água digital para indicar a procedência da foto em uma análise forense digital. Em outras palavras, o processo identifica a origem das fotos e se ela foi manipulada desde seu estado original. "

O comunicado à imprensa da Escola de Engenharia Tandon da NYU traz um resumo especialmente bom do que esses pesquisadores alcançaram. Sua abordagem "substitui o pipeline de desenvolvimento de foto típico por uma rede neural - uma forma de IA - que introduz artefatos cuidadosamente elaborados diretamente na imagem no momento da aquisição da imagem. Esses artefatos, semelhante a 'marcas d'água digitais, 'são extremamente sensíveis à manipulação. "

"Ao contrário das técnicas de marca d'água usadas anteriormente, esses artefatos aprendidos com IA podem revelar não apenas a existência de manipulações de fotos, mas também seu caráter, "Korus disse.

O processo é otimizado para incorporação na câmera e pode sobreviver à distorção de imagem aplicada por serviços de compartilhamento de fotos online.

A discussão tem sido sobre marcas d'água forenses em fotos. E quanto ao vídeo? Com fio disse que o vídeo foi algo que os pesquisadores disseram não ter abordado ainda, mas que seria teoricamente possível.

"Acreditamos que é imperativo considerar novas oportunidades para o design orientado à segurança de câmeras e canais de disseminação de multimídia que vêm com a adoção de processadores de imagem neural."

Na realidade, sua caixa de ferramentas de imagem neural está disponível no GitHub. É descrito como uma "caixa de ferramentas Python para otimização de pipelines de imagem neural para detecção de manipulação de fotos".

O lançamento da NYU Tandon deixou claro que, nos próximos anos, "Os processos orientados por IA provavelmente substituirão totalmente os canais tradicionais de imagem digital." Memon disse que conforme essa transição ocorre, “temos a oportunidade de mudar drasticamente as capacidades dos dispositivos de próxima geração no que diz respeito à integridade e autenticação de imagens. Os pipelines de imagens otimizados para perícia podem ajudar a restaurar um elemento de confiança em áreas onde a linha entre o real e o falso pode ser difícil de traçar com confiança. '"

© 2019 Science X Network