Itsensä todentavat kuvat yksinkertaisen JPEG-pakkaamisen kautta

Huolenaiheita väärennettyjen kuvien aiheuttamista riskeistä on esiintynyt säännöllisesti tutkimuksessa viime vuosien aikana, erityisesti uuden aallon AI-pohjaisia kuva-editointirunkojen myötä, jotka pystyvät muokkaamaan olemassa olevia kuvia, eikä luomaan niitä.

Suurin osa ehdotetuista havaitsemisjärjestelmistä, jotka käsittelevät tällaista sisältöä, kuuluvat jompaan kumpaan kahdesta leiristä: ensimmäinen on vesileimaus – takaisinperintämenetelmä, joka on rakennettu kuva-uskottavuuskehykseen, jonka Coalition for Content Provenance and Authenticity (C2PA) edistää.

C2PA:n vesileimausmenetelmä on takaisinperintä, jos kuvan sisältö eroaa alkuperäisestä ja jatkuvasta manifestista. Source: https://www.imatag.com/blog/enhancing-content-integrity-c2pa-invisible-watermarking

Nämä ‘salaiset signaalit’ on syytä olla vahvoja automaattisille uudelleenkoodaus-/optimointimenetelmille, jotka usein tapahtuvat, kun kuva siirtyy sosiaalisen median ja portaalien kautta – mutta ne eivät ole yleensä kestäviä tällaiselle häviävälle uudelleenkoodaukselle, jota JPEG-pakkaus (ja kilpailijoista, kuten webp, JPEG-muoto on edelleen käytössä arviolta 74,5%:ssa kaikista verkkosivujen kuvista) soveltaa.

Toinen lähestymistapa on tehdä kuvista väärentämisen näkyviä, kuten alun perin ehdotettiin vuoden 2013 tutkimuksessa Kuvan eheysautenttointijärjestelmä kiinteän piste -teorian perusteella. Tässä menetelmässä ei luotettu vesileimoihin tai digitaalisiin allekirjoituksiin, vaan matemaattiseen muunnokseen, jota kutsutaan Gaussin konvoluutio- ja dekonvoluutioksi (GCD), joka työnsi kuvat vakaaseen tilaan, joka rikkoutuu, jos se muutetaan.

<img class=" wp-image-216354" src="https://www.unite.ai/wp-content/uploads/2025/04/test-for-tampering-localization.jpg" alt="Väärentämisen paikallistamistulokset kiinteäpistekuvalla, jonka PSNR on 59,7802 dB. Valkoiset suorakaiteet osoittavat alueita, joille hyökättiin. Paneeli A (vasemmalla) näyttää sovelletut muutokset, mukaan lukien paikallinen kohina, suodatus ja kopioi perustuvat hyökkäykset. Paneeli B (oikealla) näyttää vastaavan havaintotuloksen, jossa korostetaan väärennettyjä alueita, joita todennusprosessi tunnistaa. Source: https://arxiv.org/pdf/1308.0679

Käsite on ehkä helpoimmin ymmärrettävissä hienon pitsikankaan korjaamisen kontekstissa: riippumatta siitä, kuinka taitavaa korjaustekniikkaa käytetään, korjattu osa on aina havaittavissa.

Tällainen muunnos, jota sovelletaan toistuvasti harmaasävyiseen kuvaan, työntää kuvaa vakaaseen tilaan, jossa muunnoksen soveltaminen uudelleen ei tuota enää muutosta.

Tämä kuvan vakaata tilaa kutsutaan kiinteäksi pisteeksi. Kiinteät pisteet ovat harvinaisia ja herkkästi muutoksille – mikä tahansa pieni muutos kiinteäpistekuvaan rikkoo lähes varmasti sen kiinteän aseman, mikä tekee väärentämisen havaitsemisen helppoa.

Kuten yleensä tällaisilla lähestymistavoilla, JPEG-pakkaamisen artefaktit voivat uhata järjestelmän eheyttä:

<img class=" wp-image-216355" src="https://www.unite.ai/wp-content/uploads/2025/04/lenna.jpg" alt="Vasemmalla nähdään vesileima, joka on sovellettu kuuluisan 'Lenna' (Lena) -kuvan kasvoille, joka on selvä normaalilla pakkauslaadulla. Oikealla, 90%:n JPEG-pakkauslaadulla, voidaan nähdä, että ero havaittavissa vesileimassa ja JPEG-kohinan kasvussa on pienempi. Useiden tallennusten jälkeen tai korkeimmissa pakkauslaaduissa useimmat vesileimajärjestelmät kohtaavat ongelmia JPEG-pakkaamisen artefaktien kanssa. Source: https://arxiv.org/pdf/2106.14150

Mitä jos JPEG-pakkaamisen artefaktit voitaisiin käyttää itse väärentämisen havaitsemisen keskeisenä keinona? Tällöin ei olisi tarvetta ulkoisille järjestelmille, koska sama mekanismi, joka yleensä aiheuttaa ongelmia vesileimaukselle ja väärentämisen havaitsemiselle, muodostaisi itse väärentämisen havaitsemisjärjestelmän perustan.

JPEG-pakkaus turvallisuuden perustana

Tällainen järjestelmä esitetään uudessa tutkimuksessa kahden tutkijan toimesta New Yorkin osavaltionyliopistossa Buffalossa. Tutkimuksen otsikko on Väärentämisen näkyvä kuva JPEG:n kiinteäpisteiden perusteella, ja se perustuu vuoden 2013 tutkimukseen ja siihen liittyviin tutkimuksiin, ja se muodostaa sen keskeiset periaatteet virallisesti ensimmäistä kertaa, ja se hyödyntää älykkäästi JPEG-pakkaamisen itseään menetelmänä, jolla voidaan mahdollisesti tuottaa ‘itsensä todentava kuva’.

Tutkijat laajentavat:

‘Tutkimus osoittaa, että kuva ei muutu enää useiden JPEG-pakkaamisen ja purkuksen kierrosten jälkeen.

‘Toisin sanoen, jos yksittäinen JPEG-pakkaamisen ja purkuksen kierros katsotaan kuvaan kohdistuvaksi muunnokseksi, jota kutsutaan JPEG-muunnokseksi, tämä muunnos osoittaa kiinteiden pisteiden ominaisuuden, eli kuvat, jotka säilyvät muuttumattomina, kun JPEG-muunnos sovelletaan.’

Uudesta tutkimuksesta, JPEG:n kiinteäpisteen konvergenssin esittäminen. Ylärivissä nähdään esimerkki kuva, joka käy läpi toistuvaa JPEG-pakkaamista, ja jokainen iterointi näyttää muuttuvien pikselien määrän ja sijainnin; alarivissä pikselikohtainen L2-etuus on piirretty eri pakkauslaatuasetuksilla. Source: https://arxiv.org/pdf/2504.17594

Sen sijaan, että ulkoisia muunnoksia tai vesileimoja esitettäisiin, uusi tutkimus määrittelee JPEG-prosessin itse dynaamiseksi järjestelmäksi. Tässä mallissa jokainen pakkaamisen ja purkuksen kierros siirtää kuvan kiinteään pisteeseen. Tutkijat osoittavat, että loputtoman määrän iterointien jälkeen kaikki kuvat joko saavuttavat tai lähestyvät tilaa, jossa edelleen pakkaaminen ei tuota muutosta.

Tutkijat toteavat*:

‘Kuvan muutokset aiheuttavat poikkeamat JPEG:n kiinteäpisteistä, jotka voidaan havaita muutoksina JPEG-lohkoissa yhden JPEG-pakkaamisen ja purkuksen kierroksen jälkeen…

‘Ehdotetut väärentämisen näkyvät kuvat, jotka perustuvat JPEG:n kiinteäpisteisiin, tarjoavat kaksi etua. Ensinnäkin, väärentämisen näkyvät kuvat poistavat tarpeen ulkoisten verifioitavien ominaisuuksien tallentamiselle, kuten kuva-sormenjäljen järjestelmissä, tai piilotettujen jälkien upottamiselle, kuten kuva-vesileimauksissa. Kuva itse toimii todisteena omasta eheytensä, mikä tekee järjestelmästä luonnostaan itsestään selvän.

‘Toiseksi, koska JPEG on laajalti käytetty muoto ja usein viimeinen vaihe kuvan prosessoinnissa, ehdotettu menetelmä on kestävä JPEG-toimille. Tämä vastaa alkuperäistä lähestymistapaa, joka saattaa menettää eheyden jäljet JPEG:n takia.’

Tutkimuksen avainhavainto on, että JPEG:n konvergenssi ei ole vain sivutuote sen suunnittelusta, vaan matemaattisesti välttämätön seuraus sen toiminnasta. Diskreetti kosinimuunnos, kvantifiointi, pyöristäminen ja lohkominen muodostavat yhdessä muunnoksen, joka (oikein olosuhteissa) johtaa ennustettavaan joukkoon kiinteitä pisteitä.

JPEG-pakkaamisen ja purkuksen prosessin skeema, joka on muodostettu uudelle tutkimukselle.

Toisin kuin vesileimauksessa, tämä menetelmä vaatii ei upotettua signaalia. Ainoa viite on kuvan oma johdonmukaisuus edelleen pakkaamisessa. Jos uudelleenpakkaaminen ei tuota muutosta, kuva oletetaan aidoiksi. Jos se tekee, väärentäminen havaitaan poikkeamana.

Testit

Tutkijat vahvistivat tämän käyttäytymisen käyttämällä miljoonaa satunnaisesti generoituja 8×8-pikselin harmaasävykuva-dataa. Toistuvaa JPEG-pakkaamista ja purkamista soveltaen näihin syntetisiin pikseleihin, he havaitsivat, että konvergenssi kiinteään pisteeseen tapahtuu äärellisen määrän askelten jälkeen. Tätä prosessia seurattiin mittaamalla pikselikohtainen L2-etuus peräkkäisissä iteroinneissa, ja erojen vähentyessä, kunnes pikselit stabiloituivat.

L2-eron muutos peräkkäisissä iteroinneissa miljoonalle 8×8-pikselin kuvalle, mitattuna eri JPEG-pakkauslaaduilla. Jokainen prosessi alkaa yhdestä JPEG-pakatussa pikselistä ja seuraa erojen vähentymistä toistuvissa pakkaamisissa.

Väärentämisen havaitsemisen arvioimiseksi tutkijat rakensivat väärentämisen näkyviä JPEG-kuvia ja sovelsivat neljää hyökkäystyyppiä: salt and pepper -kohinaa; copy-move -operaatioita; splicing from external sources; ja double JPEG compression eri kvantifiointitaulukolla.

Esimerkki kiinteäpisteen RGB-kuva, jossa havaitaan ja paikallistetaan väärentäminen, mukaan lukien neljä hyökkäysmenetelmää, joita tutkijat käyttivät. Alarivissä voidaan nähdä, että jokainen häirintätapa paljastaa itsensä suhteessa generoituun kiinteäpistekuvaan.

Väärentämisen jälkeen kuvat pakattiin uudelleen alkuperäisellä kvantifiointimatriisilla. Poikkeamat kiinteästä pisteestä havaittiin tunnistamalla kuvapalat, jotka näyttivät nollasta poikkeavia eroja uudelleenpakkaamisen jälkeen, mikä mahdollisti sekä väärentämisen havaitsemisen että väärentämisen sijainnin määrityksen.

Koska menetelmä perustuu kokonaan standardiin JPEG-toimintoihin, kiinteäpistekuvat toimivat hyvin normaaleilla JPEG-näyttöohjelmilla ja -muokkausohjelmilla; mutta tutkijat huomauttavat, että jos kuva pakataan uudelleen eri laadulla, se voi menettää kiinteäpistetilansa, mikä voisi rikkoa todennuksen, ja vaatii huolellista käsittelyä käytännön käytössä.

Vaikka tämä ei ole pelkästään työkalu JPEG-tulosteen analysointiin, se ei myöskään lisää monimutkaisuutta. Periaatteessa se voisi sijoittua olemassa oleviin työnkulkuihin vähäisellä kustannuksella tai häiriöllä.

Tutkimus toteaa, että taitava vastustaja saattaa yrittää luoda hyökkäyksiä, jotka säilyttävät kiinteän pisteen aseman; mutta tutkijat väittävät, että tällaiset pyrkimykset todennäköisesti aiheuttavat näkyviä artefakteja, jotka heikentävät hyökkäystä.

Vaikka tutkijat eivät väitä, että kiinteäpisteen JPEG-kuvat voivat korvata laajempia alkuperäjärjestelmiä, kuten C2PA, he ehdottavat, että kiinteäpistemenetelmät voivat täydentää ulkoisia metadata-kehikoita tarjoamalla lisäkerroksen väärentämisen todisteita, joka säilyy, vaikka metadata poistetaan tai menetetään.

Johtopäätös

JPEG:n kiinteäpistemenetelmä tarjoaa yksinkertaisen ja itse sisällön perustuvan vaihtoehdon perinteisille todennusjärjestelmille, joka ei vaadi upotettua metadataa, vesileimoja tai ulkoisia viitejä, vaan johdattaa suoraan kuvan eheyden todennusprosessin ennustettavasta käyttäytymisestä.

Tässä suhteessa menetelmä ottaa JPEG-pakkaamisen – usein tietojen heikentymisen lähteen – mekanismin, joka varmistaa eheyden. Tässä suhteessa uusi tutkimus on yksi innovatiivisimmista ja kekseliäimmistä lähestymistavoista tähän ongelmaan, jonka olen viime vuosien aikana kohdannut.

Tutkimus osoittaa siirtymistä pois kerroksellisista lisäyksestä turvallisuuden suhteen ja kohti lähestymistapoja, jotka perustuvat itse median ominaisuuksiin. Kun väärentämismenetelmät kehittyvät yhä monimutkaisemmiksi, tekniikat, jotka testaavat kuvan omaa sisäistä rakennetta, saattavat tulla tärkeämmiksi.

Lisäksi monet vaihtoehtoiset järjestelmät, jotka on ehdotettu tämän ongelman ratkaisemiseksi, aiheuttavat merkittävää kitkaa vaatimalla muutoksia vakiintuneisiin kuva-prosessointityökaluihin – joista osa on toiminut luotettavasti vuosia tai jopa vuosikymmeniä – ja jotka vaatisivat paljon vahvemman oikeutuksen uudelleenmuokkaamiseen.

* Minun muunnos tutkijoiden sisäisten viittauksien hyperlinkkeiksi.

Julkaistu ensimmäisen kerran perjantaina, 25. huhtikuuta 2025