Giới thiệu: Bí ẩn về vầng trăng mờ
Một người bạn nhắn tin cho tôi một bức ảnh mặt trăng đầy ấn tượng vào đêm nọ—màu cam, lờ mờ, kiểu mặt trăng trông như sắp thu hồi thủy triều. “Chụp bằng điện thoại của tôi đấy,” anh ấy viết. Và tôi đã tin... cho đến khi tôi phóng to. Các miệng núi lửa nhẵn nhụi một cách kỳ lạ, những đám mây trông như thể được vẽ bằng một chiếc cọ rất lịch sự, và toàn bộ hình ảnh mang một vẻ hoàn hảo quá mức, giống như một phim trường Hollywood mà bạn không thể tin tưởng hoàn toàn.
Đây là một bước ngoặt: điều thực sự tố giác không phải là mặt trăng “trông giả tạo”. Mà là những nén ẩn hiện ngay trước mắt. Các vết nhòe JPEG, nhiễu không khớp với ánh sáng, các dạng khối không phù hợp với cách camera điện thoại thường làm hỏng ảnh.
Nếu bạn từng tự hỏi liệu các nén có thể giúp bạn phát hiện ảnh AI hay không—hoặc liệu AI có thể ẩn mình sau lớp nén như một chiếc áo khoác trong phim điệp viên hay không—hãy kéo ghế lại đây. Chúng ta sẽ cùng nhau tìm hiểu quá trình nén hoạt động như thế nào, những nào cần tìm và cách các công cụ và kỹ thuật thực tế có thể giúp xác minh tính toàn vẹn của hình ảnh. Và vâng: chúng ta sẽ làm điều đó mà không biến bộ não của bạn thành món súp pixel.
Điều Chúng Ta Thực Sự Muốn: Tính Toàn Vẹn, Không Phải Cuộc Săn Phù Thủy
Khi chúng ta nói “phân tích các nén ảnh AI,” chúng ta không cố gắng dán một chữ A đỏ chót lên mọi bức ảnh trông hay ho. Chúng ta đang cố gắng trả lời một câu hỏi thiết thực hơn: Chúng ta có thể tin tưởng bức ảnh này đến mức nào? Nó đến trực tiếp từ máy ảnh hay một mô hình tạo sinh thì thầm tạo ra nó? Nó đã được chỉnh sửa chưa? Nén lại chưa? Chạy qua một bộ lọc làm phẳng các manh mối chưa?
Tính toàn vẹn không phải lúc nào cũng có nghĩa là “thật”. Nó có nghĩa là “có thể xác minh được”. Đó là về chuỗi hành trình, nguồn gốc và liệu hình ảnh chúng ta đang thấy có phù hợp với câu chuyện chúng ta đang được kể hay không.
Nén 101: Tại Sao Ảnh Của Bạn Bị “Vỡ”
Hầu hết các hình ảnh bạn thấy trực tuyến đều được nén—thường là dưới dạng JPEG. Nén chỉ là một từ hoa mỹ để chỉ “cắt bớt một số dữ liệu để tệp nhỏ hơn”. JPEG thực hiện việc này bằng cách sử dụng các khối pixel 8×8 và một tia thu nhỏ toán học. Kết quả: bạn tiết kiệm được dung lượng lưu trữ và băng thông. Cái giá phải trả: bạn nhận được các —các ranh giới khối nhỏ, kết cấu bị nhòe, quầng sáng xung quanh các cạnh và “nhiễu muỗi” tố cáo.
Giờ đây, đây là điểm mấu chốt: ảnh chụp từ máy ảnh và ảnh do AI tạo ra có xu hướng mang các “chữ ký kết cấu” khác nhau ngay cả trước khi quá trình nén bắt đầu. Ảnh chụp từ máy ảnh có những đặc điểm riêng dựa trên cảm biến—như PRNU, dấu vân tay không đồng nhất về phản hồi ảnh, cá nhân như DNA của máy ảnh. Mặt khác, hình ảnh AI xuất hiện từ các mẫu đã học của trình tạo—các kết cấu thần kinh có thể trông quá mịn về mặt thống kê hoặc đều đặn một cách kỳ lạ. Nén chúng, và các thường tương tác với các mẫu cơ bản đó theo những cách khác nhau một cách tinh tế.
Nơi Các Kể Chuyện
- Trục trặc nén kép: Nếu một hình ảnh được lưu dưới dạng JPEG hai lần (ví dụ: được chỉnh sửa và lưu lại), biểu đồ các hệ số DCT có thể phát triển một nhịp điệu kỳ lạ. Các công cụ có thể phát hiện các mẫu đó và gắn cờ khả năng chỉnh sửa.
- Sự kỳ lạ ở ranh giới khối: JPEG hoạt động theo khối. Nếu các phần của hình ảnh không hiển thị chặn nhất quán—và chúng phải như vậy—đó là một dấu hiệu cho thấy điều gì đó đã được dán vào hoặc nén lại không nhất quán.
- Không khớp nhiễu: Máy ảnh thật tạo ra một loại hạt ngẫu nhiên, phụ thuộc vào ánh sáng. AI đôi khi tạo ra nhiễu quá đồng đều hoặc tách rời khỏi bóng tối và vùng sáng, nơi nhiễu thật thích “lảng vảng”. Sau khi nén, các mẫu nhiễu đó có thể sụp đổ quá gọn gàng hoặc trông như được sao chép và dán.
- Vùng kết cấu “quá mịn”: Da, mây, tóc và tán lá là nơi nén gặp phải đối thủ. Trong ảnh chụp từ máy ảnh, các kết cấu này bị phá vỡ theo những cách quen thuộc. Trong ảnh AI, chúng có thể giữ được quá tốt hoặc sụp đổ thành chất liệu nhựa không thực tế.
- Quầng sáng và hiệu ứng chuông ở cạnh: Hiệu ứng chuông tự nhiên xảy ra dọc theo các cạnh sắc nét, nhưng nếu cường độ và độ lan tỏa của quầng sáng không khớp với phần còn lại của cảnh—hoặc xuất hiện ở những nơi không nên có cạnh—thì cần xem xét kỹ hơn.
Hướng dẫn: Cách Một Chuyên Gia Có Thể Kiểm Tra Một JPEG Bị Nghi Ngờ
- Bắt đầu với câu chuyện. Nó đến từ đâu? Airdrop, cuộn camera, mạng xã hội? Một tệp đã được đăng, tải xuống, tải lên lại và chế ảnh đến chết sẽ có một lịch sử nén hỗn loạn. Sự hỗn loạn đó có thể xóa hoặc làm giả các manh mối—vì vậy mức độ tin cậy của bạn sẽ giảm theo.
- Kiểm tra siêu dữ liệu, nhưng nhẹ nhàng thôi. Dữ liệu EXIF có thể cho bạn biết kiểu máy ảnh, ống kính, thời gian, thậm chí cả GPS. Nhưng nó cũng là thứ dễ bị xóa hoặc làm giả nhất. Không có siêu dữ liệu không có nghĩa là nó là giả—nhưng nếu ai đó tuyên bố “iPhone 15 Pro Max, Thứ Ba tuần trước,” và EXIF nói “Không xác định, 1980,” bạn nên nhướng mày.
- Phân tích Cấp Độ Lỗi (ELA). ELA phóng đại sự khác biệt về nén. Trong một bức ảnh tự nhiên, ELA có xu hướng sáng lên xung quanh các cạnh và kết cấu phức tạp. Nếu khuôn mặt của một người phát sáng như một biển hiệu neon nhưng phần còn lại của cảnh thì không, điều đó có thể gợi ý các mối nối hoặc chỉnh sửa dành riêng cho khu vực.
- Tìm kiếm các mẫu nén kép. Các công cụ chuyên dụng phân tích biểu đồ hệ số DCT và phát hiện các dấu hiệu của nhiều lần lưu. Thận trọng: các nền tảng xã hội thường nén lại hình ảnh, vì vậy chỉ riêng việc nén kép không phải là bằng chứng không thể chối cãi—mà là một manh mối.
- PRNU so với dấu vân tay của trình tạo. Nếu bạn có ảnh tham khảo từ một máy ảnh, bạn có thể thử khớp dấu vân tay cảm biến của nó (PRNU). Một số máy dò cũng cố gắng phát hiện dấu vân tay GAN—những đặc điểm thống kê còn sót lại bởi các trình tạo cụ thể. Nén nặng làm giảm độ nhạy ở đây, nhưng đôi khi vẫn còn đủ để làm thay đổi cán cân.
- Thay đổi kích thước và nén lại một cách có chủ ý. Các nhà điều tra đôi khi biến đổi hình ảnh—thay đổi kích thước một chút, nén lại ở các mức chất lượng đã biết—và theo dõi cách các thay đổi. Ảnh thật và ảnh AI có thể phản hồi khác nhau, đặc biệt là ở các khu vực có nhiều kết cấu như tóc hoặc cỏ.
- Phóng to một cách có kỷ luật. Đừng giải thích quá mức mọi đốm màu. Thay vào đó, hãy so sánh các khu vực khác nhau: bầu trời so với da, lớp phủ văn bản so với nền, bề mặt phản chiếu so với bề mặt mờ. Bạn đang tìm kiếm sự nhất quán.
Những Gì AI Đang Làm Tốt Hơn Trong Việc Che Giấu
- Văn bản và kết cấu siêu nhỏ: AI đời đầu gặp khó khăn với các chữ cái và các mẫu lặp đi lặp lại; nén khiến các trục trặc trở nên rõ ràng. Các mô hình mới hơn hiển thị các kết cấu siêu nhỏ rõ ràng hơn và việc nén nhẹ có thể không tố cáo chúng.
- Sự mạch lạc về ánh sáng: Các trình tạo hiện làm rất tốt việc khớp bóng và phản xạ. Hiệu ứng quầng sáng do nén từng làm nổi bật sự không nhất quán không phải lúc nào cũng có thể cứu bạn nữa.
- Nhiễu tổng hợp: Các mô hình ngày càng thêm nhiễu giống như máy ảnh để “hòa nhập”. Sau JPEG, nó có thể trông rất правдоподобно.
Những Gì Vẫn Thường Xuyên Khiến AI Vấp Ngã
- Chi tiết lặp đi lặp lại tốt dưới quá trình nén: Cỏ, lông thú, tán lá ở xa, hàng rào mắt xích. AI có thể hiển thị chúng dưới dạng “gợi ý” và quá trình nén biến những gợi ý đó thành những vết nhòe hoặc vòng lặp không lặp lại một cách thuyết phục.
- Kiểu chữ trên các bề mặt thực tế: Biển báo cong, nhãn dập nổi, đường khâu. AI có thể nắm bắt được cảm giác, nhưng quá trình nén tiết lộ các đặc tính cạnh không phù hợp với vật liệu giả định.
- Độ mờ chuyển động tinh tế và chuyển đổi độ sâu trường ảnh: Ống kính thật làm mờ và tạo bokeh theo những cách đặc trưng. Các bản làm giả AI đã được cải thiện, nhưng quá trình nén đôi khi phóng đại tính đồng nhất tố cáo của chúng.
Thực Hành: Một Bài Kiểm Tra Đơn Giản Tại Nhà (Không Cần Áo Khoác Phòng Thí Nghiệm)
- Bước 1: Mở hình ảnh trong trình xem hiển thị mức thu phóng ở 100% và 200%. Nếu hình ảnh quá nhỏ (ví dụ: từ mạng xã hội), đừng mong đợi phép màu.
- Bước 2: Quét để tìm sự nhất quán. Các dạng khối có hiển thị ở mọi nơi hay chỉ ở một số vùng trông như được dán vào?
- Bước 3: Kiểm tra khuôn mặt, văn bản và tóc. Các sợi có tan vào xi-rô không? Các chữ cái có giữ được độ sắc nét khi mọi thứ khác bị mờ—hay ngược lại?
- Bước 4: Chạy ELA nhanh trong một công cụ trực tuyến và so sánh các khu vực. Các thay đổi có tăng dần đồng đều không, hay một số phần bật lên sáng một cách kỳ lạ?
- Bước 5: Nếu tệp có siêu dữ liệu, hãy lướt qua nó. Có bất kỳ sự không phù hợp nào với câu chuyện không?
- Bước 6: Khi nghi ngờ, hãy yêu cầu bản gốc. Bản gốc mang nhiều manh mối mạnh mẽ hơn ảnh chụp màn hình.
Nén so với Tính Toàn Vẹn: Vấn Đề Lớn
Nén không chỉ tiết lộ; nó còn xóa. Nhiều nền tảng loại bỏ siêu dữ liệu, thay đổi kích thước hình ảnh và nén lại một cách mạnh mẽ. Điều đó có nghĩa là:
- Bạn sẽ nhận được nhiều kết quả âm tính giả hơn. Một bức ảnh thật có thể trông “lệch lạc” sau năm lần chuyển hướng trên mạng xã hội.
- Bạn sẽ nhận được nhiều kết quả dương tính giả hơn. Một hình ảnh AI đã được chạy qua ảnh chụp màn hình của camera điện thoại, sau đó là một ứng dụng nhắn tin, có thể kế thừa các “gần như thật”.
Vì vậy, bạn không đưa ra phán quyết dựa trên một duy nhất. Bạn xếp chồng bằng chứng: siêu dữ liệu, mức độ lỗi, hồ sơ nhiễu, nhịp điệu nén và здравый смысл về chính cảnh đó.
Hộp Công Cụ: Những Gì Thực Sự Hữu Ích Vào Năm 2025
- Bộ công cụ pháp y ảnh: Chúng cung cấp ELA, phát hiện bản sao, phân tích nhiễu và khối, và trình xem siêu dữ liệu. Một bản tổng hợp vững chắc về các công cụ như vậy có thể giúp bạn chọn bộ khởi động phù hợp.
- Thông tin chi tiết về phát hiện deepfake: Các điểm chuẩn mới hơn kiểm tra áp lực các máy dò trong điều kiện nén thực tế—và phơi bày phương pháp nào giữ vững khi hình ảnh bị nhiễu hoặc có độ phân giải thấp. Điều đó quan trọng vì hình ảnh bị nghi ngờ của bạn hiếm khi còn nguyên vẹn.
- Danh sách kiểm tra siêu dữ liệu: Các thư viện và trung tâm nghiên cứu thường xuyên cập nhật thư mục các công cụ phát hiện. Tiện dụng, ngay cả khi bạn chỉ cần một hoặc hai công cụ để kiểm tra nhanh tính hợp lý.
Các Bước Chuyên Nghiệp: Khi Bạn Cần Nhiều Hơn Một Linh Cảm
- Hiệu chỉnh với các hình ảnh đã biết. Lấy một vài ảnh thật từ cùng một thiết bị và kịch bản ánh sáng. So sánh các nén và hành vi nhiễu cạnh nhau.
- Điều tra nén kép: Sử dụng các máy dò phân tích tính tuần hoàn của hệ số DCT. Việc nén lại trong thế giới thực để lại một chữ ký khác với chuỗi chỉnh sửa có chủ ý.
- Xem xét PRNU: Nếu bạn có nhiều bản gốc từ một máy ảnh, hãy kiểm tra xem hình ảnh bị nghi ngờ có “thuộc về” hay không. Nén làm giảm độ nhạy, nhưng không phải lúc nào cũng gây tử vong.
- Khám phá dấu vân tay của trình tạo: Một số phương pháp có thể quy hình ảnh cho một số họ mô hình nhất định. Một lần nữa, nén gây tổn hại—tuy nhiên, các kỹ thuật mạnh mẽ vẫn tiếp tục được cải thiện và đôi khi hoạt động ngay cả dưới JPEG.
Sider.AI: Khi Bạn Muốn Một Ý Kiến Thứ Hai Thông Minh Đây là nơi một trợ lý hiện đại có thể cứu bạn khỏi việc đóng vai thám tử vào lúc nửa đêm. Nếu bạn thường xuyên phân loại hình ảnh—nhà báo, nhà giáo dục, người quản lý cộng đồng—một trợ lý AI có thể chạy kiểm tra nhanh, tóm tắt manh mối và chỉ cho bạn công cụ phù hợp để phân tích sâu hơn là một công cụ tiết kiệm thời gian. Sider.AI, ví dụ, có thể giúp bạn so sánh đầu ra, sắp xếp các phát hiện và thậm chí soạn thảo một báo cáo tính toàn vẹn ngắn gọn mà bạn có thể chia sẻ với đồng nghiệp. Nó sẽ không thay thế một phòng thí nghiệm pháp y (và không nên như vậy), nhưng nó giúp bạn thực hiện bước đầu tiên dễ dàng hơn nhiều: kéo siêu dữ liệu, lưu ý các đặc điểm nén kỳ lạ và gắn cờ các khu vực để kiểm tra kỹ hơn. Nó giống như có một trợ lý luật sư thân thiện, người biết nơi tìm kiếm những dấu chân pixel kỳ lạ. Cờ Đỏ so với Nghi Ngờ Hợp Lý: Một Tiêu Chí Thực Tế
Cung cấp cho mình một hệ thống ba loại:
- Xanh lục: Câu chuyện khớp với siêu dữ liệu; các nén nhất quán; ELA cho thấy hành vi đồng nhất; kết cấu xuống cấp như mong đợi. Có khả năng là xác thực (hoặc ít nhất là chưa chỉnh sửa).
- Vàng: Một số không khớp—các cạnh khối kỳ lạ ở một khu vực, gợi ý nén kép, khoảng trống siêu dữ liệu. Không phải là một bản án—chỉ là một lời nhắc nhở để yêu cầu bản gốc.
- Đỏ: Sự không nhất quán rõ ràng—các chế độ nén khác nhau trên các khu vực, văn bản hoặc tóc hoạt động như thể được vẽ lên, ánh sáng hoặc bóng tối không tuân theo vật lý. Kết hợp với siêu dữ liệu bị thiếu hoặc nguồn gốc lẩn tránh, và bạn đã có đủ để đẩy lùi.
Tại Sao Điều Này Trở Nên Khó Khăn Hơn
Các mô hình tạo sinh đang cải thiện nhanh hơn ngón tay cái của bạn có thể chụm để thu phóng. Chúng thêm nhiễu tổng hợp để bắt chước cảm biến, hiển thị kết cấu một cách thuyết phục hơn và thường mặc định sang các kiểu “an toàn” mạnh mẽ về nén. Trong khi đó, các nền tảng tiếp tục nén lại hình ảnh theo những cách làm nhòe đi chính những manh mối mà chúng ta dựa vào. Các mục tiêu di chuyển—nhưng các công cụ và kỹ thuật cũng vậy. Các khảo sát về lĩnh vực này cho thấy sự tiến bộ đáng khích lệ trong các phương pháp vẫn mạnh mẽ trong điều kiện nén và các yếu tố thực tế khác; các phương pháp quy thuộc, cũng vậy, đang học cách sống sót qua máy nghiền thịt của JPEG, ít nhất là đôi khi.
Các Vấn Đề Bên Lề về Khắc Phục Sự Cố: Các Trở Ngại Phổ Biến
- “ELA nói rằng khuôn mặt sáng—vậy nó là giả phải không?” Không nhất thiết. Các khu vực có độ chi tiết cao và các cạnh có độ tương phản cao sẽ tự nhiên bật lên trong ELA. Bạn cần các manh mối chứng thực.
- “Siêu dữ liệu bị thiếu—kết thúc vụ án?” Không. Nhiều ứng dụng loại bỏ EXIF để tiết kiệm dung lượng hoặc quyền riêng tư. Siêu dữ liệu bị thiếu là một lý do để đặt câu hỏi, không phải là một phán quyết.
- “Tôi đã tìm thấy nén kép!” Các nền tảng xã hội làm điều đó mọi lúc. Nén kép cộng với kết cấu hoặc ranh giới khối không nhất quán có ý nghĩa hơn so với một mình.
- “PRNU không khớp—vậy nó là AI?” Chỉ khi bạn so sánh với thiết bị chính xác và bạn có bản gốc sạch. Nén và thay đổi kích thước làm giảm độ tin cậy của PRNU.
Một Bản Demo Thực Tế: Bức Ảnh Kỳ Nghỉ Gọi Sói
Hãy tưởng tượng bạn đang kiểm duyệt một diễn đàn cộng đồng. Ai đó đăng một bức ảnh ấn tượng: một người lướt sóng được đóng khung bởi một con sóng rộng lớn, lung linh viết chữ “HOPE”. Người bình luận đổ xô đến: “Giả mạo!” “Không, nghệ thuật!” “Rõ ràng là AI!”
Bạn:
- Kéo hình ảnh. Tệp là JPEG 1200×800, kích thước thấp—rõ ràng là được nén lại.
- Kiểm tra ELA. Mép nước phát sáng, nhưng các đường may của bộ đồ lặn cũng vậy—bình thường đối với các cạnh có độ tương phản cao.
- Phóng to đến 200%. Tóc và tia nước trông hơi nhòe—có thể là do nén.
- Văn bản “HOPE” uốn cong hoàn hảo theo con sóng. Ở các cạnh chữ, bạn thấy hiệu ứng chuông đồng nhất không khớp hoàn toàn với hạt của nước. Đáng ngờ.
- Yêu cầu bản gốc. Người đăng cung cấp một tệp 4032×3024. Siêu dữ liệu cho biết iPhone, ngày gần đây, GPS trên bãi biển.
- Chạy lại kiểm tra. Bây giờ kết cấu vi mô của nước trông thật; các cạnh chữ vẫn nổi bật. Bạn phủ ELA lên—các chữ cái bật sáng hơn so với vùng nước xung quanh.
Phán quyết: văn bản đã chỉnh sửa được ghép vào một bức ảnh thật. Không phải do AI tạo ra, nhưng cũng không phải là “chưa được chạm vào”. Phân tích tính toàn vẹn hoạt động theo cả hai cách—nó có thể cứu một bức ảnh thật khỏi những cáo buộc sai trái hoặc tiết lộ bàn tay tinh tế của một người soạn nhạc.
Một Điều Cuối Cùng: Giữ Sự Tò Mò, Mất Đi Sự Chắc Chắn
Các nén giống như dấu chân trên cát: hữu ích, nhưng nhạy cảm với thủy triều. Chúng là những manh mối mạnh mẽ khi bạn sử dụng chúng trong ngữ cảnh—cùng với siêu dữ liệu, kiểm tra tính nhất quán và здравый смысл. AI sẽ tiếp tục giỏi hơn trong việc làm giả và các nền tảng sẽ tiếp tục làm nhòe bằng chứng bằng cách nén lại. Nhưng với một quy trình làm việc thông minh, các công cụ phù hợp và một liều hoài nghi lành mạnh, bạn có thể phân biệt được điều đáng tin cậy với điều bị lừa dối.
Và nếu bạn của bạn nhắn tin cho bạn một bức ảnh mặt trăng kỳ diệu khác? Phóng to, hít một hơi thật sâu và để các pixel kể câu chuyện của chúng.
Đọc Thêm và Tổng Hợp
- Các công cụ pháp y ảnh tốt nhất và mỗi công cụ thực sự tốt cho điều gì.
- Phát hiện deepfake giữ vững như thế nào trong điều kiện nén và nhiễu thực tế.
- Thư mục các công cụ phát hiện AI từ các thư viện học thuật.
- Các khảo sát về các phương pháp phát hiện hình ảnh AI mạnh mẽ trong điều kiện nén.
Câu hỏi thường gặp
Q1:Làm thế nào các nén có thể giúp phát hiện ảnh AI?
Các nén tương tác với kết cấu cơ bản của hình ảnh. Ảnh chụp từ máy ảnh mang những đặc điểm riêng của cảm biến và nhiễu tự nhiên; Hình ảnh AI thường có các mẫu mịn hơn hoặc đều đặn một cách kỳ lạ. Sau JPEG, những khác biệt đó có thể hiển thị ở ranh giới khối, hành vi nhiễu và quầng sáng ở cạnh—hãy sử dụng chúng như manh mối, không phải phán quyết.
Q2:Phân tích Cấp Độ Lỗi (ELA) có đủ để chứng minh một hình ảnh là giả không?
Không. ELA làm nổi bật sự khác biệt về nén, có thể đến từ các cạnh hoặc chỉnh sửa thông thường. Hãy coi ELA như một chiếc đèn pin—tuyệt vời để tìm các khu vực đáng ngờ, nhưng bạn vẫn cần sự chứng thực từ siêu dữ liệu, kiểm tra nén kép và tính nhất quán của kết cấu.
Q3:Mạng xã hội có phá hỏng phân tích pháp y không?
Chúng làm cho nó khó khăn hơn. Các nền tảng thay đổi kích thước, loại bỏ siêu dữ liệu và nén lại, điều này có thể xóa hoặc bắt chước các manh mối. Bạn vẫn có thể nhận được các tín hiệu hữu ích, nhưng luôn yêu cầu tệp gốc khi tính toàn vẹn quan trọng.
Q4:Dấu hiệu đáng tin cậy nhất của hình ảnh do AI tạo ra dưới JPEG là gì?
Không có viên đạn bạc duy nhất. Một mô hình manh mối—nhiễu tổng hợp đồng nhất, các khối không nhất quán, sự xuống cấp kết cấu không thực tế ở tóc hoặc tán lá—kết hợp với siêu dữ liệu yếu hoặc ánh sáng kỳ lạ có ý nghĩa hơn bất kỳ thử nghiệm nào.
Q5:Tôi có nên sử dụng PRNU để xác minh hình ảnh có nguồn gốc từ máy ảnh không?
Nếu bạn có ảnh tham khảo sạch từ cùng một thiết bị, PRNU có thể rất mạnh mẽ. Chỉ cần nhớ rằng quá trình nén và thay đổi kích thước làm giảm độ tin cậy của nó, vì vậy hãy sử dụng nó cùng với ELA, phát hiện nén kép và các phương pháp thực hành nguồn gốc tốt.
