Anderson का एंगल

स्व-प्रमाणित छवियों के माध्यम से सरल जेपीईजी संपीड़न

mm
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
Source: https://www.pexels.com/photo/woman-in-gray-tank-top-showing-distress-3812745/

पिछले कुछ वर्षों में, विशेष रूप से नए एआई-आधारित छवि संपादन फ्रेमवर्क के साथ, जो मौजूदा छवियों को संशोधित करने में सक्षम हैं, छवियों को संशोधित करने के जोखिमों के बारे में चिंताएं नियमित रूप से अनुसंधान में दिखाई दे रही हैं।

संशोधित सामग्री का पता लगाने के लिए प्रस्तावित अधिकांश प्रणालियाँ दो श्रेणियों में से एक में आती हैं: पहली है वॉटरमार्किंग – एक फॉलबैक दृष्टिकोण जो छवि सत्यनिष्ठा फ्रेमवर्क में निर्मित है, जिसे कोएलिशन फॉर कंटेंट प्रोवेनेंस एंड ऑथेंटिसिटी (सी2पीए) द्वारा बढ़ावा दिया जा रहा है।

सी2पीए वॉटरमार्किंग प्रक्रिया एक फॉलबैक है, यदि छवि सामग्री अपने मूल और चल रहे प्रमाण-पत्र से अलग हो जाती है। स्रोत: https://www.imatag.com/blog/enhancing-content-integrity-c2pa-invisible-watermarking

सी2पीए वॉटरमार्किंग प्रक्रिया एक फॉलबैक है, यदि छवि सामग्री अपने मूल और चल रहे प्रमाण-पत्र से अलग हो जाती है। स्रोत: https://www.imatag.com/blog/enhancing-content-integrity-c2pa-invisible-watermarking

इन ‘गुप्त संकेतों’ को बाद में स्वचालित पुनः-एन्कोडिंग/अनुकूलन प्रक्रियाओं के लिए मजबूत होना चाहिए जो अक्सर छवि के सामाजिक नेटवर्क और पोर्टलों और प्लेटफ़ॉर्म के माध्यम से गुजरने पर होता है – लेकिन वे अक्सर जेपीईजी संपीड़न (और प्रतियोगियों जैसे वेबपी के बावजूद) के माध्यम से लागू किए गए लॉसी री-एन्कोडिंग के प्रति मजबूत नहीं होते हैं, जेपीईजी प्रारूप अभी भी लगभग 74.5% वेबसाइट छवियों के लिए उपयोग किया जाता है।

दूसरा दृष्टिकोण छवियों को संशोधन-साक्ष्य बनाना है, जैसा कि पहली बार प्रस्तावित किया गया था 2013 के पेपर इमेज इंटीग्रिटी ऑथेंटिकेशन स्कीम बेस्ड ऑन फिक्स्ड पॉइंट थ्योरी में। वॉटरमार्क या डिजिटल हस्ताक्षर पर निर्भर करने के बजाय, इस विधि ने एक गणितीय परिवर्तन का उपयोग किया जिसे गॉसियन कन्वोल्यूशन एंड डीकन्वोल्यूशन (जीसीडी) कहा जाता है, जो छवियों को एक स्थिर अवस्था की ओर धकेलता है जो बदल जाएगी अगर उनमें हेरफेर किया जाए।

स्थिर बिंदु छवि का उपयोग करके हेरफेर स्थानीयकरण परिणाम, जिसमें 59.7802 डीबी का पीक सिग्नल-टू-नॉइज़ रेशियो है। सफेद आयताकार हमलों के अधीन क्षेत्रों को इंगित करते हैं। पैनल ए (बाएं) लागू संशोधनों को प्रदर्शित करता है, जिनमें स्थानीय शोर, फिल्टरिंग और कॉपी-आधारित हमले शामिल हैं। पैनल बी (दाएं) संबंधित पता लगाने के आउटपुट को दिखाता है, जो प्रमाणीकरण प्रक्रिया द्वारा पहचाने गए हेरफेर वाले क्षेत्रों को उजागर करता है। स्रोत: https://arxiv.org/pdf/1308.0679

कागज़ ‘इमेज इंटीग्रिटी ऑथेंटिकेशन स्कीम बेस्ड ऑन फिक्स्ड पॉइंट थ्योरी’ से: स्थिर बिंदु छवि का उपयोग करके हेरफेर स्थानीयकरण परिणाम, जिसमें 59.7802 डीबी का पीक सिग्नल-टू-नॉइज़ रेशियो है। सफेद आयताकार हमलों के अधीन क्षेत्रों को इंगित करते हैं। पैनल ए (बाएं) लागू संशोधनों को प्रदर्शित करता है, जिनमें स्थानीय शोर, फिल्टरिंग और कॉपी-आधारित हमले शामिल हैं। पैनल बी (दाएं) संबंधित पता लगाने के आउटपुट को दिखाता है, जो प्रमाणीकरण प्रक्रिया द्वारा पहचाने गए हेरफेर वाले क्षेत्रों को उजागर करता है। स्रोत: https://arxiv.org/pdf/1308.0679

यह अवधारणा शायद सबसे आसानी से एक नाजुक लेस कपड़े की मरम्मत के संदर्भ में समझी जा सकती है: कोई भी कौशल जो फिलिग्री को पैच करने में नियोजित किया जाता है, मरम्मत की गई खंड को अंततः पहचानने योग्य बना देगा।

इस प्रकार का परिवर्तन, जब एक ग्रेस्केल छवि पर बार-बार लागू किया जाता है, तो धीरे-धीरे इसे एक ऐसी स्थिति की ओर धकेलता है जहां परिवर्तन को फिर से लागू करने से कोई आगे का परिवर्तन नहीं होता है।

इस स्थिर संस्करण को छवि का स्थिर बिंदु कहा जाता है। स्थिर बिंदु दुर्लभ और परिवर्तनों के प्रति अत्यधिक संवेदनशील होते हैं – किसी भी छोटे से संशोधन से स्थिर बिंदु छवि की स्थिर स्थिति टूट जाएगी, जिससे हेरफेर का पता लगाना आसान हो जाएगा।

जैसा कि आम तौर पर ऐसे दृष्टिकोणों के साथ, जेपीईजी संपीड़न के आर्टिफैक्ट्स योजना की अखंडता को खतरा पहुंचा सकते हैं:

बाएं, हम प्रतिष्ठित 'लेना' (लेना) छवि के चेहरे पर लगाए गए वॉटरमार्क को देखते हैं, जो सामान्य संपीड़न के तहत स्पष्ट है। दाएं, 90% जेपीईजी संपीड़न के साथ, हम देख सकते हैं कि वॉटरमार्क और जेपीईजी शोर के विकास के बीच का अंतर कम हो रहा है। एक से अधिक बार बचाने के बाद, या उच्चतम संपीड़न सेटिंग्स पर, अधिकांश वॉटरमार्किंग योजनाएं जेपीईजी संपीड़न आर्टिफैक्ट्स के साथ समस्याओं का सामना करती हैं। स्रोत: https://arxiv.org/pdf/2106.14150

बाएं, हम प्रतिष्ठित ‘लेना’ (लेना) छवि के चेहरे पर लगाए गए वॉटरमार्क को देखते हैं, जो सामान्य संपीड़न के तहत स्पष्ट है। दाएं, 90% जेपीईजी संपीड़न के साथ, हम देख सकते हैं कि वॉटरमार्क और जेपीईजी शोर के विकास के बीच का अंतर कम हो रहा है। एक से अधिक बार बचाने के बाद, या उच्चतम संपीड़न सेटिंग्स पर, अधिकांश वॉटरमार्किंग योजनाएं जेपीईजी संपीड़न आर्टिफैक्ट्स के साथ समस्याओं का सामना करती हैं। स्रोत: https://arxiv.org/pdf/2106.14150

क्या होगा अगर, इसके बजाय, जेपीईजी संपीड़न आर्टिफैक्ट्स वास्तव में एक स्थिर बिंदु प्राप्त करने के केंद्रीय साधन के रूप में उपयोग किए जा सकते हैं? ऐसे मामले में, कोई अतिरिक्त बोल्ट-ऑन सिस्टम की आवश्यकता नहीं होगी, क्योंकि वॉटरमार्किंग और हेरफेर का पता लगाने के लिए जो तंत्र आमतौर पर परेशानी पैदा करता है, वह स्वयं हेरफेर-साक्ष्य फ्रेमवर्क का आधार बन जाएगा।

जेपीईजी संपीड़न एक सुरक्षा मानक के रूप में

न्यूयॉर्क राज्य विश्वविद्यालय में बफ़ेलो विश्वविद्यालय के दो शोधकर्ताओं द्वारा एक नए पत्र में ऐसी एक प्रणाली का प्रस्ताव किया गया है। जेपीईजी फिक्स्ड पॉइंट्स का उपयोग करके हेरफेर-साक्ष्य छवि शीर्षक वाले इस नए काम में, 2013 के काम और संबंधित कार्यों पर आधारित है, और जेपीईजी संपीड़न को स्वयं एक ‘स्व-प्रमाणित’ छवि उत्पन्न करने के तरीके के रूप में उपयोग करने के लिए जेपीईजी संपीड़न को ही एक तरीके के रूप में उत्कृष्ट रूप से लागू किया गया है।

लेखकों का विस्तार है:

‘अध्ययन से पता चलता है कि एक छवि जेपीईजी संपीड़न और डीकंप्रेशन प्रक्रिया के कई दौर से गुजरने के बाद अपरिवर्तित रहती है। ‘

‘दूसरे शब्दों में, यदि जेपीईजी संपीड़न और डीकंप्रेशन का एक चक्र छवि का एक परिवर्तन माना जाता है, जिसे जेपीईजी परिवर्तन कहा जाता है, तो यह परिवर्तन निश्चित बिंदुओं की संपत्ति प्रदर्शित करता है, अर्थात् छवियां जो जेपीईजी परिवर्तन लागू होने पर अपरिवर्तित रहती हैं। ‘

नए पत्र से, जेपीईजी फिक्स्ड पॉइंट अभिसरण का एक चित्रण। शीर्ष पंक्ति में हम एक उदाहरण छवि को देखते हैं जो बार-बार जेपीईजी संपीड़न से गुजरती है, जिसमें प्रत्येक पुनरावृत्ति में परिवर्तित होने वाले पिक्सेल की संख्या और स्थान दिखाया जाता है; नीचे की पंक्ति में, विभिन्न संपीड़न गुणवत्ता सेटिंग्स पर पिक्सेल-वार L2 दूरी को प्लॉट किया जाता है। विडंबना यह है कि इस छवि का कोई बेहतर संकल्प उपलब्ध नहीं है। स्रोत: https://arxiv.org/pdf/2504.17594

नए पत्र से, जेपीईजी फिक्स्ड पॉइंट अभिसरण का एक चित्रण। शीर्ष पंक्ति में हम एक उदाहरण छवि को देखते हैं जो बार-बार जेपीईजी संपीड़न से गुजरती है, जिसमें प्रत्येक पुनरावृत्ति में परिवर्तित होने वाले पिक्सेल की संख्या और स्थान दिखाया जाता है; नीचे की पंक्ति में, विभिन्न संपीड़न गुणवत्ता सेटिंग्स पर पिक्सेल-वार L2 दूरी को प्लॉट किया जाता है। विडंबना यह है कि इस छवि का कोई बेहतर संकल्प उपलब्ध नहीं है। स्रोत: https://arxiv.org/pdf/2504.17594

इसके बजाय बाहरी परिवर्तन या वॉटरमार्क को पेश करने के, जेपीईजी प्रक्रिया को स्वयं एक गतिशील प्रणाली के रूप में परिभाषित किया जाता है। इस मॉडल में, प्रत्येक संपीड़न और डीकंप्रेशन चक्र छवि को एक स्थिर बिंदु की ओर ले जाता है। लेखक सिद्ध करते हैं कि एक अंतिम संख्या में पुनरावृत्तियों के बाद, कोई भी छवि या तो एक स्थिर बिंदु तक पहुंचती है या उसके करीब आती है, जहां आगे की संपीड़न से कोई परिवर्तन नहीं होगा।

शोधकर्ता कहते हैं*:

‘छवि में कोई भी परिवर्तन जेपीईजी फिक्स्ड पॉइंट्स से विचलन का कारण बनेगा, जो एक जेपीईजी संपीड़न और डीकंप्रेशन के एक चक्र के बाद जेपीईजी ब्लॉक्स में परिवर्तन के रूप में पता लगाया जा सकता है…

‘जेपीईजी फिक्स्ड पॉइंट्स पर आधारित प्रस्तावित हेरफेर-साक्ष्य छवियों के दो फायदे हैं। पहला, हेरफेर-साक्ष्य छवियां बाहरी संग्रहण की आवश्यकता को समाप्त करती हैं verifiable सुविधाओं की, जैसा कि योजनाओं द्वारा आवश्यक है, या छिपे हुए निशान को एम्बेड करने की आवश्यकता को समाप्त करती हैं, जैसा कि छवि वॉटरमार्किंग विधियों में है। छवि स्वयं अपनी प्रामाणिकता का प्रमाण है, जो योजना को स्वयं साक्ष्य बनाती है। ‘

‘दूसरा, चूंकि जेपीईजी एक व्यापक रूप से उपयोग किया जाने वाला प्रारूप है और अक्सर छवि प्रसंस्करण पाइपलाइन में अंतिम चरण है, प्रस्तावित विधि जेपीईजी संचालन के लिए लचीली है। यह मूल दृष्टिकोण से भिन्न है, जो जेपीईजी के कारण अखंडता ट्रेस खो सकता है। ‘

पत्र का मुख्य अंतर्दृष्टि यह है कि जेपीईजी अभिसरण न केवल इसके डिज़ाइन का एक उपोत्पाद है, बल्कि इसके संचालन का एक गणितीय रूप से अनिवार्य परिणाम है।

नए कार्य के लिए जेपीईजी संपीड़न/डीकंप्रेशन प्रक्रिया की योजना।

नए कार्य के लिए जेपीईजी संपीड़न/डीकंप्रेशन प्रक्रिया की योजना।

वॉटरमार्किंग के विपरीत, इस विधि में कोई एम्बेडेड संकेत की आवश्यकता नहीं है। एकमात्र संदर्भ छवि की स्वयं की स्थिरता है आगे की संपीड़न के तहत। यदि पुनः संपीड़न कोई परिवर्तन नहीं करता है, तो छवि को वास्तविक माना जाता है। यदि यह करता है, तो हेरफेर का संकेत दिया जाता है विचलन द्वारा।

परीक्षण

लेखकों ने एक लाख यादृच्छिक रूप से उत्पन्न आठ-आठ पैचों का उपयोग करके इस व्यवहार को मान्य किया, जिसमें आठ-बिट ग्रेस्केल छवि डेटा था। इन सिंथेटिक पैचों पर बार-बार जेपीईजी संपीड़न और डीकंप्रेशन लागू करके, उन्होंने देखा कि एक स्थिर बिंदु तक अभिसरण होता है। इस प्रक्रिया को पिक्सेल-वार एल2 दूरी को मापकर निगरानी की गई, जिसमें प्रत्येक पुनरावृत्ति के बीच के अंतर कम होते गए, जब तक कि पैच स्थिर नहीं हो गए।

एक लाख 8×8 पैचों के लिए प्रत्येक पुनरावृत्ति के बीच एल2 अंतर, विभिन्न जेपीईजी संपीड़न गुणवत्ता के तहत मापा जाता है। प्रत्येक प्रक्रिया एक जेपीईजी संपीड़ित पैच से शुरू होती है और पुनरावृत्तियों में अंतर को कम करने की निगरानी करती है।

एक लाख 8×8 पैचों के लिए प्रत्येक पुनरावृत्ति के बीच एल2 अंतर, विभिन्न जेपीईजी संपीड़न गुणवत्ता के तहत मापा जाता है। प्रत्येक प्रक्रिया एक जेपीईजी संपीड़ित पैच से शुरू होती है और पुनरावृत्तियों में अंतर को कम करने की निगरानी करती है।

हेरफेर का पता लगाने के लिए, लेखकों ने हेरफेर-साक्ष्य जेपीईजी छवियों का निर्माण किया और चार प्रकार के हमलों का उपयोग किया: नमक और काली मिर्च शोर; कॉपी-मूव संचालन; बाहरी स्रोतों से जोड़ना; और दोहरी जेपीईजी संपीड़न एक अलग क्वांटाइजेशन टेबल का उपयोग करके।

स्थिर बिंदु आरजीबी छवियों का एक उदाहरण, जिसमें हेरफेर का पता लगाने और स्थानीयकरण शामिल है, जिसमें लेखकों द्वारा उपयोग किए गए चार व्यवधान शैलियां शामिल हैं। नीचे की पंक्ति में, हम देख सकते हैं कि प्रत्येक व्यवधान शैली स्वयं को उत्पन्न स्थिर बिंदु छवि के सापेक्ष धोखा देती है।

स्थिर बिंदु आरजीबी छवियों का एक उदाहरण, जिसमें हेरफेर का पता लगाने और स्थानीयकरण शामिल है, जिसमें लेखकों द्वारा उपयोग किए गए चार व्यवधान शैलियां शामिल हैं। नीचे की पंक्ति में, हम देख सकते हैं कि प्रत्येक व्यवधान शैली स्वयं को उत्पन्न स्थिर बिंदु छवि के सापेक्ष धोखा देती है।

हेरफेर के बाद, छवियों को मूल क्वांटाइजेशन मैट्रिक्स का उपयोग करके फिर से संपीड़ित किया गया। स्थिर बिंदु से विचलन का पता लगाने के लिए छवि ब्लॉकों की पहचान की गई जो पुनः संपीड़न के बाद शून्य से भिन्न अंतर प्रदर्शित करते थे, जिससे हेरफेर वाले क्षेत्रों का पता लगाने और स्थानीयकरण दोनों की अनुमति मिली।

चूंकि यह विधि पूरी तरह से मानक जेपीईजी संचालन पर आधारित है, स्थिर बिंदु छवियां नियमित जेपीईजी दर्शकों और संपादकों के साथ ठीक से काम करती हैं; लेकिन लेखक यह ध्यान देते हैं कि यदि छवि को एक अलग गुणवत्ता स्तर पर फिर से संपीड़ित किया जाता है, तो यह अपनी स्थिर बिंदु स्थिति खो सकती है, जो प्रमाणीकरण को तोड़ सकती है, और वास्तविक दुनिया में इसका ध्यानपूर्वक प्रबंधन किया जाना चाहिए।

यह एक जेपीईजी आउटपुट का विश्लेषण करने का एक उपकरण नहीं है; यह भी नहीं जोड़ता है ज्यादा जटिलता। सिद्धांत रूप में, इसे मौजूदा कार्य प्रवाह में न्यूनतम लागत या व्यवधान के साथ रखा जा सकता है।

पत्र स्वीकार करता है कि एक परिष्कृत हमलावर स्थिर बिंदु स्थिति को बनाए रखने वाले प्रतिकूल परिवर्तनों को तैयार करने का प्रयास कर सकता है; लेकिन शोधकर्ता तर्क देते हैं कि ऐसे प्रयास दृश्य कलाकृतियों को पेश करेंगे, जो हमले को कमजोर करेंगे।

जबकि लेखक दावा नहीं करते हैं कि जेपीईजी फिक्स्ड पॉइंट्स सी2पीए जैसी व्यापक प्रोवेनेंस सिस्टम को बदल सकते हैं, वे सुझाव देते हैं कि फिक्स्ड पॉइंट विधियां बाहरी मेटाडेटा फ्रेमवर्क को पूरक बनाकर एक अतिरिक्त परत प्रदान कर सकती हैं हेरफेर के साक्ष्य जो तब भी बने रहते हैं जब मेटाडेटा निकाला जाता है या खो जाता है।

निष्कर्ष

जेपीईजी फिक्स्ड पॉइंट दृष्टिकोण एक सरल और स्व-निहित विकल्प प्रदान करता है पारंपरिक प्रमाणीकरण प्रणालियों के लिए, जिसमें कोई एम्बेडेड मेटाडेटा, वॉटरमार्क, या बाहरी संदर्भ फ़ाइलों की आवश्यकता नहीं है, और इसके बजाय संपीड़न प्रक्रिया के पूर्वानुमानित व्यवहार से सीधे प्रामाणिकता का पता लगाता है।

इस प्रकार, यह विधि जेपीईजी संपीड़न – एक आमतौर पर डेटा क्षय का स्रोत – को एक तंत्र के रूप में पुनः प्राप्त करती है अखंडता सत्यापन के लिए। इस संबंध में, नया पत्र पिछले कुछ वर्षों में मुझे मिली सबसे नवाचारी और आविष्कारशील दृष्टिकोणों में से एक है।

नया काम सुरक्षा के लिए परतदार ऐड-ऑन से दूर, और मीडिया के निर्मित गुणों पर आधारित दृष्टिकोणों की ओर संकेत करता है। जैसा कि हेरफेर विधियां अधिक परिष्कृत होती जाती हैं, छवि की अपनी आंतरिक संरचना का परीक्षण करने वाली तकनीकें अधिक महत्वपूर्ण हो सकती हैं।

इसके अलावा, कई वैकल्पिक प्रणालियाँ जो इस समस्या को संबोधित करने का प्रस्ताव करती हैं, महत्वपूर्ण घर्षण पेश करती हैं जो लंबे समय से स्थापित छवि प्रसंस्करण कार्य प्रवाह में परिवर्तन की आवश्यकता को बढ़ाती हैं – जिनमें से कुछ वर्षों या दशकों से विश्वसनीय रूप से संचालित हो रहे हैं, और जो पुनर्निर्माण के लिए एक मजबूत तर्क की मांग करेंगे।

 

* मेरा लेखकों के इनलाइन उद्धरणों को हाइपरलिंक में परिवर्तित करना।

पहली बार शुक्रवार, 25 अप्रैल, 2025 को प्रकाशित

मशीन लर्निंग पर लेखक, मानव इमेज सिंथेसिस में डोमेन विशेषज्ञ। मेटाफिजिक.ai में रिसर्च कंटेंट के पूर्व प्रमुख, जब तक कि इसका डीएनजीई के ब्रह्मा.ai में विलय नहीं हो गया।
पोर्टफोलियो साइट: martinanderson.ai
संपर्क: [email protected]