Para frustrar los métodos sofisticados de alterar fotos y videos, Los investigadores de la Escuela de Ingeniería de NYU Tandon han demostrado una técnica experimental para autenticar imágenes a lo largo de toda la tubería, desde la adquisición hasta la entrega, utilizando inteligencia artificial (IA).

En pruebas, esta línea de procesamiento de imágenes de prototipos aumentó las posibilidades de detectar manipulación de aproximadamente un 45 por ciento a más del 90 por ciento sin sacrificar la calidad de la imagen.

Determinar si una foto o un video es auténtico es cada vez más problemático. Las técnicas sofisticadas para alterar fotos y videos se han vuelto tan accesibles que las llamadas "falsificaciones profundas" (fotos o videos manipulados que son notablemente convincentes y que a menudo incluyen celebridades o figuras políticas) se han convertido en algo común.

Pawel Korus, un profesor asistente de investigación en el Departamento de Ciencias de la Computación e Ingeniería en NYU Tandon, fue pionero en este enfoque. Reemplaza la típica tubería de desarrollo de fotografías con una red neuronal, una forma de IA, que introduce artefactos cuidadosamente elaborados directamente en la imagen en el momento de la adquisición de la imagen. Estos artefactos, similar a "marcas de agua digitales, "son extremadamente sensibles a la manipulación.

"A diferencia de las técnicas de marca de agua utilizadas anteriormente, Estos artefactos aprendidos por IA pueden revelar no solo la existencia de manipulaciones fotográficas, pero también su carácter, "Dijo Korus.

El proceso está optimizado para la incrustación en la cámara y puede sobrevivir a la distorsión de la imagen aplicada por los servicios para compartir fotos en línea.

Las ventajas de integrar estos sistemas en cámaras son claras.

"Si la propia cámara produce una imagen más sensible a la manipulación, cualquier ajuste será detectado con alta probabilidad, "dijo Nasir Memon, profesor de informática e ingeniería en NYU Tandon y coautor, con Korus, de un artículo detallando la técnica. "Estas marcas de agua pueden sobrevivir al posprocesamiento; sin embargo, son bastante frágiles cuando se trata de modificaciones:si modificas la imagen, la marca de agua se rompe, "Dijo Memon.

La mayoría de los demás intentos de determinar la autenticidad de la imagen examinan solo el producto final, una empresa notoriamente difícil.

Korus y Memon, por el contrario, razonó que la imagen digital moderna ya se basa en el aprendizaje automático. Cada foto tomada con un teléfono inteligente se somete a un procesamiento casi instantáneo para ajustar la luz baja y estabilizar las imágenes. ambos se llevan a cabo por cortesía de la IA a bordo. En los próximos años, Es probable que los procesos impulsados ​​por la inteligencia artificial reemplacen por completo las tuberías tradicionales de imágenes digitales. Mientras se lleva a cabo esta transición, Memon dijo que "tenemos la oportunidad de cambiar drásticamente las capacidades de los dispositivos de próxima generación en lo que respecta a la integridad y autenticación de la imagen. Las canalizaciones de imágenes que están optimizadas para la ciencia forense podrían ayudar a restaurar un elemento de confianza en áreas donde la línea entre lo real y lo falso puede ser difícil dibujar con confianza ".

Korus y Memon señalan que, si bien su enfoque se muestra prometedor en las pruebas, se necesita trabajo adicional para perfeccionar el sistema. Esta solución es de código abierto y se puede acceder a ella en github.com/pkorus/neural-imaging.

Los investigadores presentarán su artículo, "Autenticación de contenido para canalizaciones de imágenes neuronales:optimización de extremo a extremo de la procedencia de fotografías en canales de distribución complejos, "en la Conferencia sobre Visión por Computador y Reconocimiento de Patrones en Long Beach, California, en junio.