Kendiliğinden Doğrulayan Görüntüler Üzerinde Basit JPEG Sıkıştırması

Değiştirilmiş görüntülerin oluşturduğu risklere ilişkin endişeler, özellikle yeni bir dizi AI tabanlı görüntü düzenleme çerçevelerinin mevcut görüntüleri değiştirebilmesi değil, onları tamamen oluşturabilmesi nedeniyle son birkaç yıldır araştırmalarda düzenli olarak ortaya çıkmaktadır.

Bu tür içeriklere yönelik önerilen algılama sistemlerinin çoğu, iki kampa ayrılır: ilki filigran – Coalition for Content Provenance and Authenticity (C2PA) tarafından nyní tanıtılan görüntü doğrulama çerçevesine entegre edilmiş bir yedek yaklaşım.

C2PA filigran işlemi, görüntü içeriği orijinal ve devam eden manifestinden ayrıldığında bir yedek olarak kullanılır. Kaynak: https://www.imatag.com/blog/enhancing-content-integrity-c2pa-invisible-watermarking

Bu ‘gizli sinyaller’ daha sonra sosyal ağlar ve portallar arasında seyahat ederken often oluşan otomatik yeniden kodlama/optimizasyon işlemlerine karşı dayanıklı olmalıdır, ancak genellikle JPEG sıkıştırması (ve webp gibi iddialılardan oluşan rekabete rağmen, JPEG formatı hala estimated tüm web sitesi görüntülerinin %74,5’inde kullanılır) uygulanmış lossy yeniden kodlamaya karşı genellikle dayanıklı değildir.

İkinci yaklaşım, ilk olarak önerildiği 2013 tarihli Görüntü Bütünlük Doğrulama Şeması Sabit Nokta Teorisine Dayalı makalesinde olduğu gibi görüntüleri değiştirme kanıtlarına sahip yapmaktır. Filigranlara veya dijital imzalara güvenmek yerine, bu yöntem görüntüleri değiştirmeye karşı duyarlı bir durumda tutmak için Gaussian Convolution ve Deconvolution (GCD) adlı bir matematiksel dönüşüm kullanır.

‘Image Integrity Authentication Scheme Based On Fixed Point Theory’ makalesinden: 59,7802 dB PSNR ile bir sabit nokta görüntüsünü kullanarak değiştirme yerelleştirme sonuçları. Beyaz dikdörtgenler saldırıya uğrayan bölgeleri gösterir. Panel A (sol), yerel gürültü, filtreleme ve kopya tabanlı saldırılar dahil olmak üzere yapılan değişiklikleri gösterir. Panel B (sağ), kimlik doğrulama işleminin tanımladığı değiştirilmiş alanları vurgulayarak karşılık gelen algılama çıktısını gösterir. Kaynak: https://arxiv.org/pdf/1308.0679

Bu kavram, belki de bir dantel kumaşın onarılması bağlamında en kolay şekilde anlaşılabilir: ne kadar ince zanaat kullanılsa da, onarılan bölüm her zaman ayırt edilebilir.

Bu tür bir dönüşüm, bir grayscale görüntüye tekrarlı olarak uygulanırsa, onu yavaş yavaş bir duruma iter ki, bu dönüşümü tekrar uygulamak hiçbir değişiklik üretmez.

Bu görüntü stabilliğine sabit nokta denir. Sabit noktalar nadirdir ve değişikliklere karşı çok hassastır – bir sabit nokta görüntüsüne yapılan küçük bir değişiklik, onun sabit durumunu neredeyse kesinlikle bozacaktır, bu da değiştirme kanıtlarını tespit etmeyi kolaylaştırır.

Sürekli olduğu gibi, JPEG sıkıştırma artefaktları, şemanın bütünlüğünü tehdit edebilir:

Solda, ikonik ‘Lenna’ (Lena) görüntüsünün yüzüne uygulanmış bir filigran görüyoruz, bu normal sıkıştırma altında nettir. Sağda, %90 JPEG sıkıştırması ile, algılanan filigran ve JPEG gürültüsünün büyümesi arasındaki ayrımın düştüğünü görebiliriz. Birden fazla yeniden kaydetme veya en yüksek sıkıştırma ayarlarında, majority of watermarking şemaları JPEG sıkıştırma artefaktları ile ilgili sorunlarla karşılaşır. Kaynak: https://arxiv.org/pdf/2106.14150

Peki, JPEG sıkıştırma artefaktları aslında bir sabit nokta elde etmenin merkezi means olarak kullanılabiliyor olsaydı? Böyle bir durumda, ekstra sistemlere gerek kalmazdı, çünkü genellikle sorun çıkaran aynı mekanizma, değiştirme kanıtlama çerçevesinin kendisi oluşturacaktı.

JPEG Sıkıştırması Güvenlik Temel İhtiyacı

Bu sistem, New York Eyalet Üniversitesi’ndeki Buffalo Üniversitesi’nden iki araştırmacı tarafından önerilen bir yeni makalede sunulmaktadır. JPEG Sabit Noktaları Kullanılarak Değiştirme Kanıtları adlı bu yeni çalışma, 2013 tarihli çalışmaya ve ilgili çalışmalara dayanıyor ve ilk kez merkezi ilkelerini resmen formüle ediyor ve aynı zamanda JPEG sıkıştırmasını itself olarak potansiyel olarak ‘kendiliğinden doğrulayan’ bir görüntü üretmek için kullanıyor.

Araştırmacılar genişletiyor:

‘Çalışma, bir görüntünün, aynı JPEG sıkıştırma ve yeniden kodlama işlemine tabi tutulduktan sonra değişmediğini ortaya koyuyor.

‘Diğer bir deyişle, tek bir JPEG sıkıştırma ve yeniden kodlama döngüsünün bir görüntü dönüşümü olarak kabul edildiği durumlarda, bu dönüşümün sabit noktaları olan, yani JPEG dönüşümünün uygulanması durumunda değişmeyen görüntüleri vardır.’

Yeni makaleden, JPEG sabit nokta yakınsamasının bir illüstrasyonu. Üst satırda, her bir iterasyonda değişen piksel sayısını ve konumunu gösteren örnek bir görüntü görüyoruz; alt satırda, ardışık iterasyonlar arasındaki piksel bazında L2 mesafesi, farklı sıkıştırma kalite ayarlarına karşı çizilir. İronik olarak, bu görüntünün daha iyi bir çözünürlüğü mevcut değildir. Kaynak: https://arxiv.org/pdf/2504.17594

Harici dönüşümler veya filigranlara başvurmak yerine, yeni makale JPEG işlemini itself olarak dinamik bir sistem olarak tanımlar. Bu modelde, her bir sıkıştırma ve yeniden kodlama döngüsü görüntüyü bir sabit noktaya doğru iter. Araştırmacılar, sınırlı bir số iterasyon sonra, herhangi bir görüntünün ya bir sabit noktaya ulaştığını veya ona yaklaştığını kanıtlarlar.

Araştırmacılar belirtiyor*:

‘Görüntüdeki herhangi bir değişiklik, JPEG sabit noktalarından sapmalara neden olur ve tek bir JPEG sıkıştırma ve yeniden kodlama döngüsünden sonra JPEG bloklarındaki değişiklikler olarak tespit edilebilir…

‘Önerilen JPEG sabit noktalarına dayalı değiştirme kanıtları, iki avantaj sunar. İlk olarak, değiştirme kanıtları, görüntü parmak izi gibi harici özelliklerin depolanması gerekliliğini ortadan kaldırır veya görüntüye gizli izler yerleştirilmesini gerektirmez. Görüntü itself, kendi doğrulama kanıtı olarak hizmet eder, bu da şemayı itself olarak self-evident kılar.

‘İkincisi, JPEG geniş çapta kullanılan bir formattır ve genellikle görüntü işleme pipelineının son adımıdır, bu nedenle önerilen yöntem JPEG operasyonlarına karşı dayanıklıdır. Bu, JPEG nedeniyle bütünlük izlerini kaybedebilecek orijinal yaklaşım ile çelişir.’

Makalenin ana fikri, JPEG yakınsamasının sadece tasarımının bir yan ürünü değil, aynı zamanda işlemlerinin matematiksel olarak kaçınılmaz bir sonucu olduğudur. Ayrık kosinüs dönüşümü, kuantizasyon, yuvarlama ve kesme birlikte, belirli koşullar altında bir dizi öngörülebilir sabit noktaya yol açan bir dönüşüm oluşturur.

Yeni çalışma için formüle edilen JPEG sıkıştırma ve yeniden kodlama işlemi şeması.

Filigranlama gibi, bu yöntem gömülü bir sinyal gerektirmez. Tek referans, görüntünün kendi tutarlılığıdır. Eğer yeniden sıkıştırma herhangi bir değişiklik üretmezse, görüntü otantik kabul edilir. Eğer üretirse, değiştirme kanıtları, sapma tarafından gösterilir.

Testler

Araştırmacılar, bu davranışı, bir milyonluk rastgele olarak üretilen sekizlik sekiz bitlik grayscale görüntü verisi yamaları kullanarak doğruladılar. Bu sentetik yamalara tekrarlı JPEG sıkıştırma ve yeniden kodlama uygulayarak, sınırlı bir số adımda sabit bir noktaya yakınsama olduğunu gözlemlediler. Bu işlem, ardışık iterasyonlar arasındaki piksel bazında L2 mesafesinin azaltılmasıyla izlendi.

Bir milyonluk 8×8 yamalar için ardışık iterasyonlar arasındaki L2 farkı, değişen JPEG sıkıştırma kalitelerine karşı ölçülür. Her işlem, tek bir JPEG sıkıştırılmış yama ile başlar ve tekrarlanan sıkıştırmalar boyunca farkın azaltılmasını izler.

Değiştirme tespiti için, araştırmacılar değiştirme kanıtları JPEG görüntüleri oluşturdular ve dört tür saldırı uyguladılar: tuz ve biber gürültüsü; kopya-taşıma işlemleri; harici kaynaklardan parçalama; ve çift JPEG sıkıştırması farklı bir kuantizasyon tablosu kullanarak.

Değiştirme kanıtları ve yerelleştirme ile sabit nokta RGB görüntüleri örneği, yazarların kullandığı dört bozulma yöntemini içerir. Alt satırda, her bir bozulma stilinin, üretilen sabit nokta görüntüsüne göre kendini ele verdiğini görebiliriz.

Değiştirme işleminden sonra, görüntüler orijinal kuantizasyon matrisi kullanılarak yeniden sıkıştırıldı. Sabit noktadan sapmalar, görüntü bloklarında sıfır olmayan farkların tespit edilmesi yoluyla belirlendi, bu da hem değiştirme tespitini hem de değiştirilmiş bölgelerin yerelleştirilmesini sağladı.

Yöntem, tamamen standard JPEG operasyonlarına dayandığı için, sabit nokta görüntüleri normal JPEG görüntüleyicileri ve düzenleyicileri ile sorunsuz çalışır; ancak araştırmacılar, görüntünün farklı bir kalite seviyesinde yeniden sıkıştırılması durumunda, sabit nokta durumunu kaybedebileceğini ve kimlik doğrulamasını bozabileceğini belirtiyorlar.

Bu, sadece JPEG çıktısını analiz etmek için bir araç değil, aynı zamanda mevcut iş akışlarına minimal maliyet veya bozulma ile entegre edilebilir.

Araştırmacılar, bir sophistic adversary’nin sabit nokta durumunu koruyan advers saldırılar oluşturmayı denemesinin olası olduğunu kabul ediyorlar, ancak böyle bir çabanın muhtemelen görünür artefaktlar oluşturacağını ve saldırıyı zayıflatığını savunuyorlar.

Araştırmacılar, C2PA gibi daha geniş köken sistemlerinin yerini alamayacaklarını iddia etmiyorlar, ancak sabit nokta yöntemlerinin, metadata çerçevelerini, metadata’sı silindiğinde veya kaybolduğunda bile kalıcı bir değiştirme kanıtı katmanı sunarak tamamlayabileceğini öne sürüyorlar.

Sonuç

JPEG sabit nokta yaklaşımı, geleneksel kimlik doğrulama sistemlerine basit ve self-contained bir alternatif sunar, gömülü metadata, filigran veya harici referans dosyaları gerektirmez ve bunun yerine sıkıştırma işleminin öngörülebilir davranışından doğrudan doğrulama alır.

Bu şekilde, yöntem JPEG sıkıştırmasını – sık kullanılan bir veri bozulma kaynağı – bütünlük doğrulaması için bir mekanizma olarak geri kazanır. Bu regard, yeni makale son birkaç yıl içinde karşılaştığım en yenilikçi ve mucit yaklaşım之一dır.

Yeni çalışma, güvenlik için katmanlı eklentilerden uzaklaşmaya ve medyanın itself özelliklerine dayanan yaklaşımlara doğru bir kayma işaret ediyor. Değiştirme yöntemleri daha sofistike hale geldikçe, görüntünün kendi iç yapısını test eden teknikler daha önemli hale gelebilir.

Daha fazla, bu problemi çözmek için önerilen birçok alternatif sistem, yıllarca veya on yıllarca güvenilir bir şekilde çalışmış olan iyi kurulmuş görüntü işleme iş akışlarına değişiklikler yapılmasını gerektirir – bu da yeniden düzenleme için çok daha güçlü bir gerekçe gerektirecektir.

* Araştırmacıların satır içi alıntılarının hyperlinklere dönüştürülmesi.

İlk olarak 25 Nisan 2025 Cuma günü yayımlandı