← Lahat ng gabay Katumpakan

Maaari bang malinlang ang mga AI image detector?

Oo, at ang pag-alam kung paano ang gumagawa sa isang resulta na nababasa. Ang mga kategorya ng pag-atake, kung bakit gumagana ang ilan, at kung ano ang hitsura ng isang nilabhang larawan pagdating nito.

· 7 min na pagbabasa · Best AI Image Detector

Oo. Ang anumang detector na nagbabasa ng mga pixel ay maaaring talunin sa pamamagitan ng muling pagsusulat ng mga pixel, at ang pinakamurang pag-atake ay yaong mga walang sinasadyang may gawa: isang screenshot, isang muling pag-save, isang pag-resize.

Bakit maaaring matalo ang anumang pixel detector

Binabasa ng isang detector ang statistical texture sa pagitan ng mga magkakapitbahay na pixel. Ang texture na iyon ang ebidensya. Ang anuman na muling sumusulat dito ay nag-aalis ng ebidensya, at maraming ordinaryong dahilan para muli itong isulat.

Katangian ito ng paraan kaysa sa isang kapintasan sa isang produkto. Ang isang tool na nagsasabing hindi ito malilinlang ay alinman sa may sinusukat na iba maliban sa mga pixel, o hindi totoo sa iyo.

Ang mga kategorya, inilarawan sa halip na itinuro

Ang mga ito ay nakasulat sa antas na kailangan ng isang tagapagtanggol. Ang pag-alam na umiiral ang isang kategorya ay nagbibigay-daan sa iyong makilala ang lagda nito sa isang resulta. Hindi ito resipe, at wala rito ang sunud-sunod.

Aksidente, at epektibo

  • Pag-screenshot ng larawan
  • Pag-post sa pamamagitan ng platform na muling nag-a-compress
  • Pag-resize para sa isang chat app
  • Pag-save ng litrato ng screen

Sadyang masinsinan at mas magastos

  • Pagdaragdag ng ingay para itago ang texture
  • Paulit-ulit na pag-resize at pag-re-encode ng mga cycle
  • Pag-print at muling pag-capture ng litrato
  • Pag-composite ng mga ginawang bahagi sa isang tunay na frame
Ang kaliwang hanay ay walang gastos sa isang scammer at nangyayari nang aksidente. Ang kanang hanay ay nangangailangan ng sadyang pagsisikap at nag-iiwan ng sarili nitong mga marka.

Ang huling item sa kanan ang pinakamahalaga, dahil ito ang pinakamahirap hulihin gamit ang iisang numero. Ang isang tunay na litrato na may kasamang ginawang bagay ay nagpapanatili ng tunay na texture sa karamihan ng frame.

Ang ginagawa ng region map tungkol dito

Ang pag-iskor sa frame sa pamamagitan ng mga tile ang direktang sagot sa compositing. Ang pangkalahatang average ng frame ay hinila pababa ng mga tunay na bahagi, ngunit ang tile na naglalaman ng inilagay na bahagi ay hindi ina-average sa anupaman.

16 12 19 14 92 17 11 15 13

Ang inilagay na bahagi ay nakakulong sa isang tile. Iyon ang pattern na sinisira ng pag-a-average at pinapanatili ng pag-tile.

Isang composite. Ang iskor ng buong frame ay 31, na sa sarili nito ay mukhang malamang na totoo.

Ang gastos ng pag-iwas sa taong gumagawa nito

Ang bawat pamamaraan na nagtatago ng signal ay nakakasira rin sa larawan. Ang kalakalang iyon ang pinaka kapaki-pakinabang na malaman ng isang tagapagtanggol.

Ang kalakalang ginagawa ng isang umaatake
PamamaraanAng itinatago nitoAng gastos nito sa kanila
Mabigat na recompressionPinong texture na binabasa ng modeloMakikitang mga artifact, malambot na detalye
Idinagdag na ingayStatistical regularityIsang magaspang na larawan na mukhang mali
Paulit-ulit na pag-resizeMga relasyon ng pixelKambal na lambot at ringing sa mga gilid
I-print at kunan muli ng larawanHalos lahatMoiré, kislap, isang larawan na mukhang litrato ng isang litrato
Pag-composite sa isang tunay na frameAng pangkalahatang average ng frameWala, kaya naman mahalaga ang pag-tile

Ang isang larawan na hinugasan nang husto para makalusot sa detector ay karaniwang mukhang hinugasan. Kung ang isang larawan ay parehong kahina-hinalang mababa ang kalidad at inaalok bilang patunay ng isang bagay, ang kalidad mismo ay isang natuklasan.

Ang mga bagay na hindi gaanong madaling mapeke

  • Isang kasaysayan ng publikasyon. Ang isang larawan na na-index taon na ang nakakaraan ay hindi ginawa noong nakaraang buwan. Ang reverse search ay nananatiling pinakamalakas na nag-iisang pagsusuri.
  • Isang wastong Content Credential. Ang naka-sign na manifest na nakatali sa kasalukuyang mga pixel ay cryptographic. Maaari itong alisin, ngunit hindi ito maaaring pekein.
  • Isang pare-parehong pisikal na eksena. Ang mga anino, repleksyon, at tuloy-tuloy na ugnayan sa pagitan ng mga bagay ay ang mga lugar pa rin kung saan nabibigo ang mga generator, at hindi ito inaayos ng paghuhugas.
  • Isang file na mayroon na ang ibang tao. Humingi sa nagpadala ng orihinal mula sa device na kumuha nito, at panoorin ang susunod na mangyayari.

Kung saan ka nito inilalagay

Ang isang pursigido at teknikal na kalaban ay maaaring magtagumpay laban sa isang pixel detector. Totoo iyon at hindi ito karaniwang nangyayari. Ang mga larawang sinusuri ng karamihan ng mga tao ay ginawa nang walang pag-iingat, ibinahagi nang kaswal, at dinala ang kanilang ebidensya nang buo o nawala ito sa isang chat app sa halip na sa isang umaatake.

Basahin ang mababang iskor sa isang mabigat na degraded na larawan bilang walang sagot sa halip na bilang isang malinis na resulta. Ang pagkakaibang iyon ay humahawak sa halos bawat pag-iwas na makakasalamuha mo nang hindi kinakailangang malaman ang anuman tungkol sa pamamaraan sa likod nito.

Ang arms race ay asymmetric

Ang paggawa at pag-detect ay hindi bumubuti sa parehong bilis, at ang kawalan ng balanse ay tumatakbo sa isang direksyon. Ang isang bagong generator ay dumating bilang hindi pa nakikitang data para sa bawat umiiral na detector. Ang pag-retrain ay sumusunod sa paglabas sa halip na mauna rito, kaya palaging may panahong ang pinakabagong output ay hindi nakikita.

Ang window na ito ay hindi maikli. Ang pagkolekta ng sapat na output mula sa isang bagong model, pag-label nito, pag-retrain, at pagpapadala ay tumatagal ng mga linggo sa pinakamainam. Sa panahong iyon, mamarkahan ng detector ang mga bagong henerasyon bilang totoo, dahil hindi sila kamukha ng anumang itinuro dito na dapat i-flag.

Ito ang pinakamalakas na praktikal na argumento para sa hindi kailanman pag-asa sa isang signal. Ang data ng provenance at kasaysayan ng publikasyon ay walang pakialam kung anong modelo ang gumawa ng isang larawan, kaya patuloy silang gumagana sa loob ng window na hindi kayang saklawin ng pagsusuri ng pixel.

  1. 1 Nagpapadala ang bagong generator Ang output ay hindi nakikita ng bawat detector
  2. 2 Blind window Mga linggo. Ang bagong output ay nakaka-score bilang totoo
  3. 3 Nakolekta ang mga sample Naitayo ang may label na training data
  4. 4 Na-retrain ang detector Naaabutan ng saklaw ang susunod na paglabas
Ang detection ay nahuhuli sa paglabas ayon sa disenyo. Ang isang detector ay palaging pinakamalakas sa henerasyon bago ang kasalukuyan.

Mga tanong ng mga tao

Makakatulong ba ang pagdaragdag ng ingay sa isang AI image para matalo ang detector?
Minsan, at pinapababa nito ang kalidad ng larawan habang ginagawa ito. Tinatakpan ng ingay ang statistical regularity na binabasa ng modelo, na nagpapababa ng iskor, ngunit ginagawa rin nitong mukhang magaspang ang larawan. Ang larawan na parehong magaspang at ipinapakita bilang ebidensya ay karapat-dapat sa higit na hinala, hindi mas mababa.
Itinatago ba ito ng pag-screenshot ng isang AI image?
Malaki ang ibinababa nito sa signal, kaya naman napakaraming nabuong larawan na umiikot sa mga panggrupong chat ang may mas mababang iskor kaysa sa nararapat. Ito ang pinakakaraniwang paraan ng pagkatalo ng isang detector, at halos walang sinumang gumagawa nito ang may intensyong talunin ang anuman.
Imposible ba kailanman na malinlang ang mga detector?
Hindi. Binabasa ng detection ang nasa mga pixel, at ang mga pixel ay maaaring isulat muli. Ang bumubuti ay ang gastos ng pag-iwas at ang bilang ng mga independiyenteng signal na kailangang talunin nang sabay-sabay. Tratuhin ang anumang pag-angkin ng hindi matatalong detection bilang dahilan para mas mababa ang tiwala sa tool.
Paano ko malalaman ang isang hinugasang larawan mula sa tunay na mababang kalidad nito?
Kadalasan ay hindi mo magawa, at iyon ang tapat na sagot na ibibigay. Ang magagawa mo ay itigil ang pagtrato sa mababang iskor sa isang degraded na file bilang isang malinis na resulta. Kung ang larawan ay kulang sa detalyeng sumusuporta sa isang tiwala na tawag, ang natuklasan ay hindi ito masusuri.
Iligal ba ang pagsubok na talunin ang isang detector?
Ang pagtalo sa isang detector ay hindi sa sarili nito isang pagkakasala sa karamihan ng mga lugar. Ang ginagamit para sa nagresultang larawan ay kadalasang: ang insurance fraud, peke na ebidensya, pagpapanggap, at manipulasyon sa merkado ay mga krimen anuman ang paraan ng paggawa ng larawan. Ang pag-laundering ay bihirang maging kaso, at madalas itong nagpapatunay ng intensyon.