मॉडल किस चीज़ का विश्लेषण करता है
एक कैमरा लेंस के ज़रिए रोशनी को सेंसर पर रिकॉर्ड करता है। यह प्रक्रिया एक विशिष्ट प्रकार का नॉइज़, किनारों की ओर शार्पनेस कम होने का एक खास पैटर्न, और सेंसर ग्रिड व उसके बाद होने वाले demosaicing से आस-पास के पिक्सेल के बीच एक निश्चित संबंध छोड़ती है।
एक diffusion मॉडल किसी रैंडम फ़ील्ड से बार-बार नॉइज़ हटाकर एक तस्वीर बनाता है, जब तक कि कोई सुसंगत छवि न उभर आए। यह प्रक्रिया भी अपनी एक छाप छोड़ती है, और वह पूरी तरह अलग होती है। परिणाम देखने में बिल्कुल सटीक और सांख्यिकीय रूप से पहचाने जाने योग्य दोनों एक साथ हो सकता है।
यही कारण है कि मेटाडेटा मिट जाने पर भी डिटेक्शन स्क्रीनशॉट पर काम करता है। यह संकेत किसी हेडर के बजाय सीधे पिक्सेल मानों में मौजूद होता है, इसलिए पिक्सेल कॉपी करने से साक्ष्य भी कॉपी हो जाते हैं।
चार चरण
- 1 फ़ाइल पढ़ें ब्राउज़र में डिकोड की गई, कभी अपलोड नहीं की जाती
- 2 फ़्रेम का आकलन करें 384 पिक्सेल वर्ग पर Vision transformer
- 3 टाइल्स का आकलन करें परस्पर जुड़े हिस्सों पर वही मॉडल
- 4 क्रेडेंशियल्स पढ़ें C2PA और जेनरेटर मार्कर, यदि मौजूद हों
पहला चरण: डिकोडिंग
पेज द्वारा डिस्क से फ़ाइल को पढ़ा जाता है और रॉ पिक्सेल में डिकोड किया जाता है। HEIC, AVIF, TIFF और बाकी फ़ॉर्मेट को ब्राउज़र के अपने डिकोडर संभालते हैं। कुछ भी ट्रांसमिट नहीं किया जाता है—यह इस बात की विशेषता है कि काम कहाँ हो रहा है, न कि सर्वर पर लागू की गई कोई नीति।
दूसरा चरण: पूरे फ़्रेम का स्कोर
इमेज का आकार बदलकर 384 पिक्सेल वर्ग किया जाता है और इसे vision transformer से गुज़ारा जाता है। मॉडल एक रॉ संभावना लौटाता है कि फ़्रेम सिंथेटिक है। उस संख्या को फिर कैलिब्रेट किया जाता है ताकि यह मॉडल के अनुसार बदलने के बजाय प्रकाशित श्रेणियों से हमेशा सुसंगत रहे।
आकार बदलने से बारीकियाँ कम हो जाती हैं, जहाँ सटीकता में पहली कमी आती है। यह अपरिहार्य भी है: मॉडल का एक निश्चित इनपुट आकार होता है, और 4000-पिक्सेल की तस्वीर को इसमें फ़िट करने के लिए छोटा करना ही पड़ता है।
तीसरा चरण: टाइलिंग पास
फ़्रेम को परस्पर जुड़े क्षेत्रों में विभाजित किया जाता है और उसी मॉडल द्वारा प्रत्येक का अलग से आकलन किया जाता है। यही प्रक्रिया पूरी तरह से जनरेट की गई इमेज और कुछ अतिरिक्त तत्वों वाली असली तस्वीर के बीच अंतर करती है, और यह वह चरण है जिसकी जगह कोई एक संख्या नहीं ले सकती।
इनका औसत निकालने पर 21 आता है। टाइल व्यू उस जानकारी को सुरक्षित रखता है जिसे औसत नष्ट कर देता है।
टाइल्स में सार्थक होने के लिए पर्याप्त पिक्सेल होने चाहिए, यही कारण है कि छोटी तरफ लगभग 576 पिक्सेल से कम वाली छवियों को केवल पूरे फ़्रेम का स्कोर दिया जाता है। किसी छोटे क्रॉप का स्वतंत्र रूप से आकलन करने के लिए उसमें पर्याप्त विवरण नहीं होता है।
चौथा चरण: फ़ाइल का अपना रिकॉर्ड
पिक्सेल से अलग, फ़ाइल में Content Credentials और कुछ टूल्स द्वारा छोड़े गए जेनरेटर मार्करों की जाँच की जाती है। यह मार्ग सांख्यिकीय होने के बजाय क्रिप्टोग्राफ़िक है: एक वैध हस्ताक्षर का केवल अनुमान नहीं लगाया जाता, बल्कि ट्रस्ट लिस्ट के आधार पर उसका सत्यापन किया जाता है।
परिणामों को कैसे संयोजित किया जाता है
दोनों मार्गों का औसत नहीं निकाला जाता, क्योंकि दोनों का महत्व अलग-अलग होता है। कैमरे से ली गई तस्वीर की पुष्टि करने वाला एक वैध क्रेडेंशियल एक सामान्य पिक्सेल स्कोर से अधिक प्रभावी होता है। AI जनरेशन की घोषणा करने वाला क्रेडेंशियल अपने आप में निर्णय के लिए पर्याप्त होता है।
| साक्ष्य | प्रकार | महत्व |
|---|---|---|
| AI जनरेशन की पुष्टि करने वाला वैध क्रेडेंशियल | क्रिप्टोग्राफ़िक | निर्णायक |
| कैमरे से कैप्चर की पुष्टि करने वाला वैध क्रेडेंशियल | क्रिप्टोग्राफ़िक | बहुत मजबूत |
| फ़ाइल में जेनरेटर मार्कर | घोषणात्मक | मजबूत, लेकिन हटाया जा सकने योग्य |
| पूरे फ़्रेम का पिक्सेल स्कोर | सांख्यिकीय | मध्यम |
| क्षेत्रीय टाइल स्कोर | सांख्यिकीय | मध्यम, और अधिक विशिष्ट |
| कोई क्रेडेंशियल मौजूद नहीं | कुछ नहीं | किसी भी पक्ष में कोई जानकारी नहीं |
यह अंतिम पंक्ति वह है जिसे लोग अक्सर गलत समझ लेते हैं। क्रेडेंशियल का न होना कोई नकारात्मक संकेत नहीं है। आज तक बनाई गई अधिकांश छवियों में कोई क्रेडेंशियल नहीं होता है, और लगभग हर प्लेटफ़ॉर्म अपलोड के समय इन्हें हटा देता है।
यह ब्राउज़र में क्यों चलता है
मॉडल लगभग 40 MB का है और विज़िटर के अपने डिवाइस पर WebAssembly के माध्यम से चलता है। यह एक सोचा-समझा तकनीकी निर्णय है जिसके तीन महत्वपूर्ण परिणाम हैं।
- कुछ भी अपलोड नहीं किया जाता, इसलिए किसी के पास आपकी छवियों को रखने वाला कोई सर्वर नहीं है और न ही डेटा प्रोसेसिंग के किसी अनुबंध की आवश्यकता है।
- जाँच चलाने में कोई सर्वर लागत नहीं आती, यही कारण है कि यह टूल बिना किसी उपयोग सीमा के पूरी तरह मुफ़्त हो सकता है।
- पहली जाँच में थोड़ा अधिक समय लगता है, क्योंकि चलने से पहले मॉडल एक बार डाउनलोड होता है। बाद की जाँचें कैश्ड कॉपी का पुनः उपयोग करती हैं।
यह प्रणाली जानबूझकर क्या नहीं करती
पुराने फ़ॉरेंसिक टूल्स में दिखने वाली कई तकनीकें इसमें मौजूद नहीं हैं, क्योंकि वे आधुनिक प्लेटफ़ॉर्म से गुज़री छवियों पर अब काम नहीं करतीं।
- Error level analysis. लोकप्रिय है, पर इसे अक्सर गलत समझा जाता है, और एक से अधिक बार सेव की गई किसी भी इमेज पर यह अविश्वसनीय है।
- Copy-move detection. फ़्रेम के भीतर डुप्लिकेट किए गए क्षेत्रों को ढूँढता है, जो केवल पुरानी शैली की क्लोनिंग पकड़ता है, जनरेशन को नहीं।
- मेटाडेटा-आधारित निर्णय। लगभग हर जगह अपलोड के समय EXIF हटा दिया जाता है, इसलिए इस पर निर्भर जाँच ठीक उन्हीं छवियों पर विफल हो जाती है जिन्हें सत्यापित करने की आवश्यकता होती है।
- चेहरे पर केंद्रित विश्लेषण। केवल एक सीमित प्रकार के हेरफेर के लिए उपयोगी है, और बाकी सब कुछ पहचानने में असमर्थ है।