В последние годы появляется всё больше опасений относительно рисков, связанных с подделкой изображений, особенно на фоне развития технологий редактирования изображений на базе искусственного интеллекта.
Традиционные методы проверки подлинности изображений
Большинство существующих систем обнаружения поддельных изображений относятся к одному из двух основных подходов:
Водяные знаки и метаданные
Первый подход — использование водяных знаков. Это резервный метод, встроенный в систему проверки подлинности изображений. “Секретные сигналы” должны сохраняться при автоматических процедурах перекодирования, которые часто происходят при передаче изображения через социальные сети и порталы. Однако они часто не выдерживают сжатия JPEG (который, несмотря на появление конкурентов вроде webp, используется примерно в 74,5% всех изображений на веб-сайтах).
Методы обнаружения изменений
Второй подход заключается в создании изображений, в которых изменения становятся очевидными. Этот метод впервые был предложен в 2013 году в исследовании о проверке целостности изображений на основе теории неподвижных точек. Вместо водяных знаков или цифровых подписей в нём используется математическое преобразование, называемое Гауссовой сверткой и деконволюцией (GCD), для приведения изображений к стабильному состоянию, которое нарушится при внесении изменений.
Эту концепцию легче понять на примере ремонта тонкого кружевного полотна: независимо от качества ремонта, исправленный участок неизбежно будет заметен.
Новый подход: фиксированные точки JPEG
Что, если вместо борьбы с артефактами сжатия JPEG их можно использовать как основной метод получения фиксированной точки? В таком случае не понадобились бы дополнительные системы, поскольку тот же механизм, который обычно создаёт проблемы для водяных знаков, стал бы основой системы обнаружения изменений.
JPEG-сжатие как основа безопасности
Такая система предложена в новой работе исследователей из Университета Буффало Государственного университета Нью-Йорка под названием “Tamper-Evident Image Using JPEG Fixed Points” (Изображения с выявлением изменений с использованием фиксированных точек JPEG). Исследование опирается на работу 2013 года, но впервые официально формулирует её центральные принципы и использует само сжатие JPEG как метод создания “самоаутентифицирующегося” изображения.
Исследование показывает, что изображение становится неизменным после нескольких циклов одного и того же процесса сжатия и распаковки JPEG. Другими словами, если один цикл сжатия и распаковки JPEG рассматривать как преобразование изображения, то это преобразование обладает свойством наличия фиксированных точек — изображений, которые остаются неизменными при применении преобразования JPEG.
Принцип работы метода
Вместо внедрения внешних преобразований или водяных знаков, новая методика определяет сам процесс JPEG как динамическую систему. В этой модели каждый цикл сжатия и декомпрессии приближает изображение к фиксированной точке. Авторы доказывают, что после конечного числа итераций любое изображение либо достигает, либо приближается к состоянию, когда дальнейшее сжатие не вызовет изменений.
Любые изменения изображения вызовут отклонения от этой фиксированной точки JPEG, которые можно обнаружить как изменения в блоках JPEG после одного цикла сжатия и распаковки.
У предлагаемых изображений с выявлением изменений на основе фиксированных точек JPEG есть два преимущества:
- Они устраняют необходимость во внешнем хранилище проверяемых признаков и встраивании скрытых следов. Само изображение служит доказательством своей подлинности.
- Поскольку JPEG — широко используемый формат и часто является последним шагом в обработке изображений, предложенный метод устойчив к операциям JPEG.
Ключевое понимание состоит в том, что конвергенция JPEG — не просто побочный продукт его дизайна, а математически неизбежный результат его операций. Дискретное косинусное преобразование, квантование, округление и усечение вместе образуют трансформацию, которая (при правильных условиях) приводит к предсказуемому набору фиксированных точек.
Тестирование и результаты
Авторы проверили это поведение, используя миллион случайно сгенерированных патчей изображений размером 8×8 пикселей. Применяя повторное сжатие и распаковку JPEG к этим синтетическим участкам, они наблюдали, что конвергенция к фиксированной точке происходит за конечное число шагов.
Для оценки обнаружения изменений исследователи создали изображения JPEG с фиксированными точками и применили четыре типа атак:
- Шум типа “соль и перец”
- Операции копирования-перемещения
- Вставки из внешних источников
- Двойное сжатие JPEG с использованием другой таблицы квантования
После изменений изображения сжимались с использованием исходной матрицы квантования. Отклонения от фиксированной точки обнаруживались путем выявления блоков изображения, которые показывали ненулевые различия после повторного сжатия, что позволяло как обнаруживать, так и локализовать измененные области.
Поскольку метод полностью основан на стандартных операциях JPEG, изображения с фиксированными точками отлично работают с обычными программами просмотра и редакторами JPEG. Однако авторы отмечают, что если изображение пересжато с другим уровнем качества, оно может потерять статус фиксированной точки, что нарушит аутентификацию.
Если вы интересуетесь технологиями искусственного интеллекта и хотите создать своего умного AI ассистента, стоит углубиться в тему AI агентов, которые могут помочь в автоматизации многих процессов, включая работу с изображениями.
Преимущества перед традиционными методами
Метод фиксированных точек JPEG предлагает простую и независимую альтернативу традиционным системам аутентификации, не требуя встроенных метаданных, водяных знаков или внешних файлов. Вместо этого он определяет подлинность непосредственно из предсказуемого поведения процесса сжатия.
Таким образом, метод трансформирует сжатие JPEG — частый источник деградации данных — в механизм проверки целостности. В этом отношении новый подход является одним из самых инновационных и изобретательных за последние несколько лет.
Новая работа указывает на отход от многослойных дополнений для безопасности в сторону подходов, использующих встроенные характеристики самого медиа. По мере развития методов подделки всё большее значение будут приобретать техники, проверяющие внутреннюю структуру изображения.
Более того, многие альтернативные системы, предлагаемые для решения этой проблемы, вносят значительные сложности, требуя изменений в давно установленных процессах обработки изображений — некоторые из которых надежно работают годами или даже десятилетиями.
Хотя авторы не утверждают, что фиксированные точки JPEG могут заменить более широкие системы проверки происхождения, они предполагают, что такие методы могут дополнить внешние метаданные, предлагая дополнительный уровень проверки, который сохраняется даже при удалении или потере метаданных.