Основно правило: един сигнал рядко доказва „това е AI“[1][2]
Въпросът изглежда бинарен, но файлът често не е. Изображението може да е изцяло синтетично, частично генерирано, локално променено чрез inpainting, обработено с генеративен ретуш или просто повторно компресирано от приложение. Всеки сценарий оставя различни следи.
NIST разглежда детекцията на синтетично съдържание като една техническа посока наред с provenance, watermarking и метаданни. Точността на детекторите зависи от компресията, качеството, стила, съдържанието и от това доколко проверяваният генератор прилича на моделите, видени при обучението.
Затова сериозният анализ не иска присъда от един инструмент. Той събира независими сигнали и проверява дали образуват последователна техническа картина.
Резултатът от детектор е сигнал. Няколко независими сигнала превръщат числото в полезно доказателство.
1. Започнете с оригиналния файл, а не със screenshot
Когато е възможно, анализирайте файла директно от автора, камерата или изходната система. Screenshot променя размерите и компресията и обикновено премахва голяма част от метаданните. Много социални и комуникационни платформи правят същото, като създават собствено копие.
Оригиналът позволява проверка на формат, цветови профил, EXIF/XMP, JPEG/PNG структура, особености на кодирането и евентуални provenance данни.
При спор е полезно да се запази и SHA-256. Hash не доказва автентичност, но показва, че по-късно е анализиран точно същият файл, който е бил запазен като доказателство.
2. Проверете provenance и Content Credentials (C2PA)[1][3]
C2PA описва криптографски свързана информация за произхода и историята на дигиталното съдържание. Content Credentials могат да посочат как е създаден файлът, какви действия са извършени и дали е използван генеративен алгоритъм.
Липсата на C2PA не доказва нито автентичност, нито фалшификация. Стандартът е доброволен, а някои платформи променят или премахват метаданни.
Ако manifest е налице, валидира се коректно и декларира trained algorithmic media или конкретен генератор, това е много силен сигнал за произхода на конкретния файл.
3. Метаданните са полезни, но лесно се надценяват[1]
EXIF може да съдържа модел камера, експозиция, фокусно разстояние, дата и софтуер. Идентификатор на генератор, необичайно software поле или несъответствие между декларираната камера и структурата на файла могат да бъдат важни.
Метаданните обаче могат да бъдат изтрити, пренаписани или копирани. Празен EXIF след messenger, социална мрежа или export е нормален и сам по себе си не доказва AI.
4. Форензика на пиксели и компресия: търсим несъответствия[1]
Могат да се анализират разпределението на шум, локални разлики в компресията, JPEG мрежата 8×8, ентропия, повтарящи се текстури и Error Level Analysis. Тези методи могат да маркират области, които се държат различно от останалия файл.
Аномалия може да произлиза и от легитимен ретуш, многократно записване или класически монтаж. Обратно, изцяло генерирано изображение може да бъде вътрешно много еднородно.
Локалният анализ е най-полезен в комбинация с provenance, метаданни и детектори, особено когато аномалията съвпада с важна за случая зона — например заявена повреда на продукт.
5. AI детектори: използвайте няколко и търсете съгласие[1][2]
Различните услуги използват различни тренировъчни данни, архитектури и калибрации, затова един и същ файл може да получи различни резултати. NIST отделно оценява image discriminators, защото новите генератори и cross-generator сценариите са особено трудни.
Съгласието между няколко независими слоя обикновено е по-информативно от екстремна стойност на един инструмент. Ако четири метода показват нисък риск, а един 92/100, трябва да се изследва разминаването, а не автоматично да се обяви изображението за фалшиво.
6. Визуалната проверка все още помага, но само като triage[4]
FBI посочва необичайни ръце, очи, зъби, бижута, сенки, движение или синхронизация като възможни предупредителни признаци. Те са полезни за бърз първоначален филтър.
Липсата им обаче не доказва автентичност. Генераторите се подобриха, а реални снимки след HDR, denoise или силна компресия могат да изглеждат изкуствени.
Практически процес за проверка на изображение
Когато от резултата зависи възстановяване на сума, бизнес решение или спор, повтаряема процедура е по-надеждна от интуицията.
- Запазете най-оригиналния наличен файл и не го презаписвайте преди анализ.
- Запишете SHA-256, формат, размери и размер на файла.
- Проверете C2PA/Content Credentials, EXIF, XMP и следи от софтуер.
- Изследвайте структурата и локални пикселни или компресионни аномалии.
- Използвайте повече от един независим AI/deepfake детектор.
- Съпоставете резултатите с източника, датата, други изображения и контекста на случая.
- Формулирайте заключението като ниво на риск и набор от находки, а не като безпогрешно твърдение за намерението на автора.
Добрата форензика не се опитва да докаже AI на всяка цена. Тя разделя силните сигнали от нещата, които файлът просто не може да установи.
Какво означават 20/100, 60/100 или 90/100?
Един score има смисъл само ако се вижда от какво е съставен. 20/100 от шест съгласувани слоя не е същото като 20/100 от един класификатор. Висока стойност, основана на директен provenance, има различна доказателствена тежест от изолиран detector.
Добър report показва агрегирания резултат, резултатите по източници, наличността на слоевете, метаданните, ограниченията и най-силните сигнали. Техническият анализ може да подпомогне решение, но не установява сам автор, намерение или правна отговорност.