Ba lớp dễ nhầm lẫn
Phân biệt rõ ba lớp này giúp giải thích các ý kiến trái chiều, vì mỗi lớp gặp lỗi theo cách khác nhau và người ta thường đánh giá dựa trên lớp họ tiếp xúc đầu tiên.
| Lớp | Vị trí | Yếu tố làm mất |
|---|---|---|
| Metadata và thông tin chứng thực | Bên cạnh pixel trong tệp | Bất kỳ nền tảng nào xóa metadata khi tải lên |
| hình mờ ẩn | Bên trong giá trị pixel | Cắt xén mạnh, tái tạo lại, nén chất lượng cao |
| Phát hiện theo thống kê | Không nằm ở đâu, được suy đoán ra | Không có gì xóa được; chỉ giảm độ chính xác |
| Hình mờ nhìn thấy được | Vẽ đè lên ảnh | Cắt bỏ hoặc dùng công cụ xóa vật thể |
Hàng thứ ba là trường hợp đặc biệt và là lý do công cụ phát hiện tồn tại. Không có gì để xóa vì không có gì được thêm vào: phân tích chỉ đọc các đặc tính phát sinh ngoài ý muốn từ quá trình tạo ảnh.
Điều đó làm cho các lớp này bổ trợ thay vì triệt tiêu lẫn nhau. Kiểm tra hình mờ cho kết quả tuyệt đối khi phát hiện và không phản hồi nếu không có; kiểm tra pixel luôn trả về kết quả nhưng không mang tính tuyệt đối.
Cách hoạt động của hình mờ vô hình
Trình tạo điều chỉnh nhỏ có cấu trúc trên giá trị pixel khi xuất ảnh, tạo thành chuỗi mẫu mà chỉ công cụ nhận diện tương ứng mới tìm ra. Những thay đổi này được thiết kế nằm dưới ngưỡng mắt thường nhìn thấy.
Vì tín hiệu nằm trong pixel thay vì vỏ tệp, nó tồn tại qua các thao tác phá hủy metadata. Chụp màn hình, mã hóa lại, đổi kích thước và tải lên nền tảng đều làm mất metadata nhưng có thể giữ nguyên hình mờ được thiết kế tốt.
Độ bền đó là mục đích chính, nhưng vẫn có giới hạn. Cắt xén mạnh sẽ làm mất phần mẫu ở vùng bị cắt, nén nặng làm suy giảm tín hiệu, và xử lý ảnh qua một mô hình tạo sinh khác sẽ ghi đè hoàn toàn lên pixel.
Ngoài ra còn một giới hạn cấu trúc thường bị bỏ qua: hình mờ mang tính độc quyền của hệ thống nhúng nó. Bộ xác thực của một đơn vị chỉ đọc được dấu của đơn vị đó và không nhận diện được sản phẩm của bên khác, bao gồm các mô hình mã nguồn mở không nhúng bất kỳ dấu nào.
Mang tính tham khảo. Cơ chế thay đổi tùy giải pháp đóng dấu và tùy nền tảng.
Hai cột cuối mang ý nghĩa quan trọng. Chụp màn hình phá hủy tín hiệu thống kê mà công cụ phân tích nhưng giữ nguyên hình mờ bền vững; tái tạo ảnh bằng AI thì ngược lại. Không lớp nào bao quát được lớp kia, đó là lý do cần kết hợp cả hai.
Vì sao không thể kiểm tra mọi loại hình mờ
Đây là giới hạn thực tế khiến nhiều người thất vọng. Việc xác thực đòi hỏi công cụ nhận diện khớp với công cụ nhúng, và các công cụ này do các đơn vị tạo ra chúng quản lý.
Một số nhà cung cấp mở trang xác thực công khai cho sản phẩm của họ. Số khác chỉ cấp quyền cho đối tác, và các mô hình mã nguồn mở thường không nhúng dấu nào, nghĩa là phần lớn ảnh AI trên web không có hình mờ để quét.
Do đó, kết quả hình mờ âm tính gần như không mang nhiều ý nghĩa. Nó chỉ cho thấy dạng dấu cụ thể này không xuất hiện, điều hiển nhiên với ảnh từ hệ thống khác hoặc ảnh đã qua mã hóa lại nhiều lần.
Kết quả dương tính thì ngược lại: rõ ràng, cụ thể và có giá trị xác nhận cao. Khi bộ xác thực nhận diện ảnh đến từ một hệ thống nhất định, đó là xác nhận từ chính hệ thống đó chứ không phải suy đoán.
Xu hướng phát triển
Xu hướng chung là kết hợp nhiều lớp thay vì tìm kiếm một đáp án duy nhất. Chứng thực trong tệp, hình mờ trong pixel và phân tích thống kê bên ngoài, mỗi lớp bù đắp cho những trường hợp lớp khác bỏ sót.
Mức độ áp dụng rộng rãi là rào cản lớn hơn công nghệ. Hình mờ hoạt động hiệu quả khi trình tạo có nhúng, nền tảng lưu giữ và có sẵn công cụ kiểm tra; chỉ cần thiếu một trong ba, bạn buộc phải quay lại phân tích pixel.
Với bất kỳ ai cần đưa ra quyết định hiện nay, nguyên tắc thực tế không đổi. Thực hiện các bước kiểm tra sẵn có, coi dấu hiệu xác nhận là bằng chứng mạnh và việc không thấy dấu là chưa xác định, đồng thời dựa vào nguồn gốc và ngữ cảnh khi cần kết luận chắc chắn.
Ý nghĩa thực tế của việc nghiên cứu gỡ hình mờ
Các nghiên cứu học thuật thường chứng minh một loại hình mờ có thể bị loại bỏ, và mỗi lần như vậy thường bị nhìn nhận như giải pháp đã thất bại. Cách hiểu đó chưa đúng với mục đích của kỹ thuật này.
Hình mờ không phải là ổ khóa bất khả xâm phạm. Nó tạo ra rào cản chi phí cho người muốn giả mạo ảnh AI thành ảnh chụp, mức chi phí mà đa số mọi người sẽ không bỏ ra. Việc chia sẻ lại thông thường vốn chiếm đa số các hình ảnh gây hiểu lầm sẽ không vượt qua được lớp này.
Cần so sánh hình mờ với metadata, thứ vốn bị mọi nền tảng mạng xã hội tự động xóa bỏ mà không cần ai can thiệp. Một tín hiệu đòi hỏi nỗ lực chủ đích mới phá vỡ được đã là cải tiến đáng kể, dù kẻ cố tình vẫn có thể vượt qua.
Điểm đáng phê bình nằm ở những tuyên bố về sự tuyệt đối. Một đơn vị khẳng định hình mờ của họ chứng minh nguồn gốc là nói quá; còn tuyên bố hình mờ giúp nhận diện sản phẩm chưa chỉnh sửa của chính họ là mô tả chính xác.
Cần làm gì khi có kết quả dương tính
Hãy coi đó là tín hiệu đơn lẻ đáng tin cậy nhất hiện có, nhưng chưa phải là kết luận cuối cùng. Hình mờ xác định hệ thống đã tạo ra pixel, chứ không khẳng định mục đích sử dụng bức ảnh đó.
Một hình minh họa tạo bằng AI không có vấn đề chỉ vì nó được tạo bằng AI. Vấn đề chỉ nảy sinh khi nó được dùng để giả mạo một sự việc có thật ngoài đời, và việc đó phụ thuộc vào phần mô tả ngữ cảnh chứ không phải bản thân tệp ảnh.
Quy trình xử lý phù hợp là kiểm tra tệp trước, kiểm tra hình mờ thứ hai nếu có công cụ quét, và kiểm tra pixel sau cùng. Mỗi bước đều nhanh và rõ ràng hơn bước tiếp theo, và hầu hết ảnh đều được làm rõ trước bước thứ ba.
Điểm nghịch lý là lớp ít mang tính kết luận tuyệt đối nhất lại là lớp duy nhất luôn đưa ra phản hồi. Đó không phải điểm yếu của nhận diện thống kê; đó là lý do phương pháp này tồn tại, và kết quả nên được hiểu là xác suất chứ không phải phán quyết cuối cùng.