„Czy nagranie jest prawdziwe?” łączy kilka różnych pytań. Plik może być wierną kopią eksportu, lecz eksportem przyciętym. Może pochodzić z deklarowanej kamery, ale przedstawiać inscenizację. Prawdziwa fotografia może mieć fałszywy podpis miejsca i czasu, a syntetyczny obraz może być jawnie oznaczoną ilustracją. Rzetelne badanie nie wydaje jednego metafizycznego certyfikatu autentyczności.

Produktem jest zestaw odpowiedzi o określonym zakresie: jaka jest najwcześniejsza dostępna wersja, jak powstała, czy jej struktura pasuje do deklarowanego źródła, jakie transformacje wykryto, czy treść nosi ślady lokalnej lub globalnej zmiany, czy kontekst potwierdzają źródła niezależne i co rzeczywiście wnosi system pochodzenia C2PA. Wynik nierozstrzygający jest prawidłowy, gdy plik utracił potrzebną informację.

Artykuł dotyczy fotografii oraz obrazu wideo. Dźwięk, głos i klonowanie głosu opisuje osobna monografia Fonoskopia, rozpoznawanie mówcy i językoznawstwo sądowe. Cykl asset–biblioteka–plik–chmura, formaty złożone, miniatury i odzysk rozwija Fotografia cyfrowa jako dowód. Pozyskanie z rejestratorów, czas i luki przedstawia Monitoring jako dowód, a tworzenie wersji do udostępnienia — Redakcja i anonimizacja nagrań. Ponadmedialną ocenę fałszywego dokumentu, czatu, logu, głosu lub obrazu porządkuje Syntetyczny dowód.

Cztery warstwy twierdzenia

Pochodzenie

Pochodzenie opisuje historię obiektu: urządzenie lub aplikację, kolejne wersje, eksport, transmisję i publikację. Może dotyczyć klasy urządzenia, konkretnego egzemplarza albo ostatniego programu zapisującego. Identyfikacja aparatu nie identyfikuje fotografa, a konto publikujące nie musi być autorem.

Integralność

Integralność odpowiada, czy określona wersja pozostała bitowo niezmieniona od chwili objęcia kontrolą. Funkcja skrótu porównuje bity tej wersji. Nie wykryje manipulacji wykonanej przed pierwszym obliczeniem skrótu i nie potwierdza prawdziwości sceny.

Autentyczność treści

Badanie treści pyta o dodanie, usunięcie, podmianę, generację, zmianę kolejności, prędkości lub czasu. Wykrycie przetwarzania nie dowodzi oszustwa: automatyczny HDR, stabilizacja, panorama, tryb portretowy, odszumianie i transkodowanie są zwykłymi elementami współczesnego toru.

Prawdziwość kontekstu

Kontekst to zgodność deklarowanego miejsca, czasu, autorstwa i zdarzenia z rzeczywistością. Oryginalny plik może przedstawiać ćwiczenie opisane jako atak, stary pożar opisany jako dzisiejszy albo aktora udającego urzędnika. Tego problemu nie rozwiąże analiza pikseli bez map, pogody, wcześniejszych publikacji, świadków i danych urządzeń.

Zlecenie jako zbiór hipotez

Zamiast pytania „oryginał czy fake” formułuje się konkurencyjne scenariusze. Przykładowo: H1 — plik jest bezpośrednim wynikiem deklarowanego urządzenia; H2 — został legalnie przetworzony przez platformę; H3 — powstał przez lokalny montaż; H4 — jest treścią syntetyczną; H5 — treść jest niezmanipulowana, lecz podpis kontekstowy fałszywy.

Dla każdej hipotezy zapisuje się oczekiwane obserwacje oraz możliwe wyjątki. Struktura edytora wspiera przetwarzanie, ale może pochodzić z niewinnego obrotu. Brak metadanych pasuje do screenshotu, komunikatora, świadomego czyszczenia i części generatorów. Jedna cecha rzadko rozdziela wszystkie scenariusze.

Pytania powinny być operacyjne: czy klatki 1200–1400 wykazują nieciągłość; czy typ kontenera i kodowania odpowiada eksportowi modelu X; czy obszar twarzy różni się statystycznie od reszty; czy manifest C2PA wiąże się z tym zasobem i ma zaufany podpis; czy plik krążył przed deklarowaną datą.

Najwcześniejsza dostępna wersja

„Oryginał” nie jest jedną rzeczą

Aparat może scalać wiele ekspozycji jeszcze przed pierwszym zapisem. Telefon zapisuje obraz przetworzony obliczeniowo, rejestrator przechowuje własny strumień i dopiero eksportuje plik, a platforma tworzy kilka renditions. „Oryginał” może znaczyć plik kamery, najwcześniejszą kopię, eksport natywny albo nośnik źródłowy.

Raport używa nazw precyzyjnych: camera-original, natywny eksport, najwcześniejsza dostępna wersja, kopia pobrana z platformy, screen recording. Nie podnosi kopii z komunikatora do rangi pliku źródłowego tylko dlatego, że nie ma nic lepszego.

Łańcuch wersji

Każdy plik ma identyfikator, nazwę, rozmiar, skrót, źródło, czas pozyskania i relację do innych wersji. Relacje powinny mieć typ: kopia bitowa, transkodowanie, crop, klatka, screenshot, eksport, poprawa, redakcja. Graf wersji ujawnia, że dwie „niezależne” publikacje mogą pochodzić z jednego uploadu.

Analiza manipulacji pracuje na najwcześniejszej wersji, a prezentacja na kontrolowanej pochodnej. Transkodowanie nie jest dowodem fałszerstwa, ale może usunąć artefakty potrzebne do badania. Dlatego nie wolno zastąpić wejścia estetycznie poprawionym filmem.

Źródła towarzyszące

Wraz z plikiem warto pozyskać urządzenie, sąsiednie zdjęcia, serię burst, RAW, Live Photo lub Motion Photo, projekt edytora, wersję chmurową, miniatury, log eksportu, rozmowę, w której plik przesłano, oraz wcześniejsze publikacje. Źródło porównawcze może wyjaśnić strukturę, wzorzec sensora i legalny workflow.

Numeracja plików nie jest samodzielnym dowodem luki. Aparaty używają folderów, liczniki zawijają się, użytkownicy kasują zwykłe ujęcia, a aplikacje nadają nowe nazwy. Sekwencję wspierają czasy, miniatury, baza galerii i inne zdjęcia.

Triage bez niszczenia śladów

Najpierw tworzy się kopię roboczą i inwentaryzuje obiekt bez zapisu do niego. Nie otwiera się podejrzanego pliku w programie, który automatycznie zmieni orientację, miniaturę lub metadane. Środowisko i biblioteki dekodujące mają wersje, bo różny parser może inaczej zinterpretować uszkodzoną strukturę.

Triage obejmuje typ wykryty z zawartości, rozszerzenie, rozmiar, skróty, entropy, kontener, strumienie, kodeki, wymiary, pixel format, profile, timebase, duration, metadane i komunikaty parsera. Niezgodność rozszerzenia z zawartością jest wskazówką, nie werdyktem.

Buduje się też listę żądanych twierdzeń. Jeżeli spór dotyczy godziny, test sensora może być zbędny; jeżeli źródła aparatu, screenshot strony nie wystarczy. Wczesna ocena adekwatności zapobiega mnożeniu efektownych analiz bez związku ze zleceniem.

Struktura i metadane

Metadane jako twierdzenia

EXIF może zawierać model, parametry ekspozycji, ogniskową, orientację, datę, GPS, numer seryjny i miniaturę. XMP może rejestrować edycję. Pola są danymi zapisanymi przez software, a nie fizycznym świadkiem. Mogą być zmienione, skopiowane, usunięte albo błędnie zinterpretowane.

Czas aparatu zależy od ustawienia użytkownika, strefy i synchronizacji. DateTimeOriginal bez offsetu nie daje jednoznacznej chwili. GPS może być ostatnią znaną pozycją, pozycją telefonu połączonego z aparatem lub wartością dopisaną. Każde istotne pole potwierdza się innym źródłem.

Miniatura może zachować obraz sprzed edycji, jeśli program nie odświeżył podglądu. Może też pochodzić z legalnego workflow. Niezgodność miniatury i głównego obrazu jest cenną wskazówką do odtworzenia wersji, nie automatycznym dowodem intencji.

Struktura pliku

JPEG zawiera segmenty, tablice kwantyzacji, kodowanie składowych i dane aplikacyjne. PNG ma chunk'i z kontrolą integralności. HEIF/AVIF i MP4 opierają się na strukturach boxów, referencjach i tablicach próbek. Kolejność, obecność pól, sygnatury biblioteki i nietypowe rozszerzenia mogą wskazywać urządzenie lub program.

Format zgodny ze specyfikacją nie jest automatycznie oryginalny. Edytor potrafi wytworzyć poprawny plik, a aparat może po awarii zapisać strukturę nietypową. Porównanie z exemplarami tej samej wersji firmware i ustawień jest silniejsze niż ogólna lista „charakterystycznych tagów”.

Wideo

Wideo łączy kontener, obraz, audio, napisy, indeksy i czas. Plik może zostać przycięty bez ponownego kodowania części strumienia albo w całości przetranskodowany. Analiza obejmuje boxy, kolejność strumieni, GOP, klatki kluczowe, parametry kodeka, PTS/DTS, listy edycyjne i metadane programu.

Niezgodność duration w różnych warstwach może wynikać z opóźnienia audio, listy edycyjnej lub błędu eksportera. Badanie autentyczności nie może przyjąć, że player pokazuje dokładnie wszystkie próbki. Specjalistyczną rekonstrukcję czasu przekazuje się do modułu monitoringu lub synchronizacji.

Potok aparatu

Obraz nie jest surowym odciskiem sceny

Sensor mierzy światło, a aparat wykonuje demosaicing, korekcję czerni i wadliwych pikseli, odszumianie, balans bieli, korekcję obiektywu, HDR, mapowanie tonów, wyostrzenie i kompresję. Telefon może połączyć wiele ujęć wykonanych w różnym czasie. Automatyczny tryb portretowy tworzy mapę głębi i syntetyczne rozmycie.

RAW jest bliżej danych sensora niż JPEG, ale nie jest pozbawiony processingu ani metadanych. Program wywołujący może domyślnie korygować obiektyw i barwę. Porównanie RAW z JPEG wymaga znajomości transformacji, nie oczekiwania identycznych pikseli.

Rolling shutter i fotografia obliczeniowa

Wiersze sensora mogą być odczytywane kolejno. Szybki ruch deformuje geometrię, błysk obejmuje część kadru, a migotanie tworzy pasy. Obiekt pozornie „złamany” na obrazie nie musi być montażem.

Wieloklatkowy HDR i night mode łączą chwile. Poruszająca się osoba może zostać częściowo zrekonstruowana z różnych ekspozycji, a program usuwa ghosting. Taki artefakt powstał w aparacie, ale może wyglądać jak lokalna edycja. Exemplary w podobnym trybie są niezbędne.

Kompresja

JPEG dzieli obraz na bloki i kwantyzuje współczynniki. Ponowny zapis dodaje stratę, lecz detekcja podwójnej kompresji zależy od jakości, wyrównania siatki, lokalnej treści i późniejszych operacji. Error level analysis nie jest uniwersalnym wykrywaczem Photoshopa.

Wideo używa przewidywania między klatkami. Błąd, szum lub lokalna zmiana rozchodzi się przez GOP. Makrobloki, ringing i „pływające” krawędzie mogą pochodzić z niskiego bitrate. Wniosek wymaga analizy sąsiednich próbek i struktury, a nie zatrzymania najbardziej dziwnej klatki.

Identyfikacja źródła

Klasa urządzenia i software

Tablice kwantyzacji, kolejność segmentów, nazwy tagów, struktura kontenera, parametry kodowania i wzorzec demosaicingu mogą wspierać identyfikację modelu lub aplikacji. Baza referencyjna musi rozróżniać wersje firmware, tryby i biblioteki współdzielone przez wielu producentów.

Ostatni program zapisujący może zatrzeć cechy aparatu. Sygnatura popularnej biblioteki nie identyfikuje konkretnej aplikacji, jeśli korzysta z niej wiele produktów. Wynik powinien mówić „zgodny z klasą” albo „niezgodny z exemplarami”, nie „na pewno wykonany telefonem X”, gdy metoda nie indywidualizuje.

PRNU i egzemplarz sensora

Photo-response non-uniformity wykorzystuje drobne różnice czułości elementów sensora. Wzorzec referencyjny estymuje się z wielu odpowiednich obrazów, a następnie porównuje z resztą szumową materiału kwestionowanego. Metoda nie polega na dostrzeżeniu gołym okiem „odcisku aparatu”.

Korelację osłabiają crop, skalowanie, stabilizacja, silna kompresja, odszumianie i mały obszar. Fotografia obliczeniowa może łączyć kamery lub zmieniać geometrię. Test wymaga właściwej populacji alternatywnej, progów, walidacji urządzeń tego typu i kontroli obrazów treściowo podobnych.

Dopasowanie egzemplarza nie identyfikuje operatora, czasu ani okoliczności. Obraz mógł zostać skopiowany ze starego telefonu. Brak dopasowania może wynikać z przetworzenia, innego obiektywu/sensora w module albo niewystarczającej jakości.

Exemplary

Materiał referencyjny tworzy się tym samym urządzeniem, ustawieniami, rozdzielczością i trybem, a dla wideo również tym samym kontenerem i długością. Obejmuje naturalną zmienność: światło, detal, ruch i poziom kompresji. Jedno zdjęcie białej ściany nie reprezentuje całego workflow.

Jeżeli urządzenie zostało zaktualizowane po zdarzeniu, exemplar może różnić się strukturą. Dokumentuje się wersję i szuka materiałów historycznych z tego egzemplarza. Porównanie z innym telefonem tego samego modelu odpowiada na pytanie o klasę, nie o egzemplarz.

Eksperyment różnicowy

Gdy nie wiadomo, czy nietypowa cecha pochodzi z aparatu, platformy czy edytora, buduje się kontrolowany łańcuch. Ten sam zestaw scen przechodzi kolejno przez urządzenie, legalną operację, komunikator i pobranie. Po każdym etapie zachowuje się plik, skrót, parametry i obserwowane zmiany.

Eksperyment nie polega na odtworzeniu podejrzanej manipulacji krok po kroku. Jego celem jest sprawdzenie mechanizmu alternatywnego: czy automatyczny obrót zmienia kolejność segmentów, czy platforma usuwa EXIF, czy dany tryb HDR tworzy granicę podobną do montażu, czy exporter zapisuje nazwę biblioteki.

Próba musi różnicować jedną zmienną naraz. Jeśli jednocześnie zmieniono telefon, aplikację, rozdzielczość i kanał transmisji, zgodność lub różnica nie lokalizuje przyczyny. Wynik z nowej wersji usługi chmurowej nie jest automatycznie reprezentatywny dla historycznej wersji.

Kontrole dodatnie pokazują, że metoda potrafi wykryć właściwy ślad w tym formacie; ujemne — jak często reaguje na naturalne obrazy. Blankiem może być plik bez spornej transformacji, a kontrolą procesu materiał przeprowadzony przez cały legalny tor. Eksperyment sprawowy uzupełnia walidację ogólną, ale jej nie zastępuje.

Manipulacja obrazu

Operacje globalne i lokalne

Globalne skalowanie, obrót, korekcja barw i ponowny zapis mogą być legalne, lecz wpływają na dalsze testy. Lokalne wstawienie, usunięcie, klonowanie, retusz lub generatywne wypełnienie zmienia wybrany obszar. Granica może być miękka i zmieniać się w czasie wideo.

Badanie prowadzi się w kilku domenach: struktury, pikseli, częstotliwości, szumu, kompresji, geometrii, światła, semantyki i czasu. Metody nie są automatycznie niezależne; trzy detektory uczone na tym samym zbiorze mogą powtarzać jeden błąd.

Klonowanie i splicing

Klonowanie powtarza fragment obrazu, np. w celu usunięcia obiektu. Wykrywanie dopasowuje regiony po transformacji, ale powtarzalne wzory architektury, liści i tekstyliów tworzą fałszywe alarmy. Generatywne wypełnienie nie musi kopiować żadnego obszaru.

Splicing może ujawnić różnice szumu, ostrości, aberracji, perspektywy, kompresji i barwy. Wklejony obiekt może jednak zostać dopasowany, a prawdziwa scena zawierać obszary o różnym oświetleniu i głębi. Każdy sygnał testuje się wobec naturalnego modelu sceny.

Resampling

Skalowanie, obrót i korekcja perspektywy interpolują piksele oraz mogą pozostawić okresowe zależności. Wykrycie resamplingu wskazuje transformację, ale nie jej cel. Aparat, platforma i stabilizacja wykonują ją rutynowo.

Lokalna różnica resamplingu jest bardziej informacyjna, jeśli reszta obrazu zachowała jednolity potok. Maska portretowa lub computational zoom mogą jednak legalnie dzielić obraz na strefy.

Światło, cień i odbicia

Obiekt wstawiony z innej sceny może mieć niespójną temperaturę barwową, kierunek cienia, refleks lub shading. Ocena wymaga modelu wielu źródeł, powierzchni odbijających, nieba i processingu aparatu. Cień rozświetlony przez okno nie wskazuje automatycznie drugiego Słońca.

Refleksy w oczach, szybach i metalu mogą ujawnić geometrię oświetlenia. Małe obszary po kompresji mają jednak zbyt mało informacji do kategorycznej rekonstrukcji. Raport wskazuje cechy rozdzielone od artefaktów i założenia modelu.

Perspektywa i okluzja

Linie równoległe, punkty zaniku, horyzont i dystorsja pozwalają porównać geometrię obiektów. Kontakt z podłożem, wzajemne zasłanianie i głębia ostrości tworzą dodatkowe relacje. Obiekt naruszający kilka niezależnych ograniczeń jest bardziej podejrzany niż pojedyncza „dziwna krawędź”.

Tryb portretowy, panorama, rolling shutter i szeroki obiektyw mogą legalnie łamać intuicyjny wygląd. Prawa fizyki są testem scenariusza, nie samodzielnym detektorem AI. Szczegółową lokalizację i analizę Słońca prowadzi moduł Geolokalizacja i chronolokalizacja OSINT.

Manipulacja wideo

Cięcie i zmiana kolejności

Cięcie może pozostawić zmianę struktury GOP, timestampów, szumu, ruchu kamery lub audio. Może też zostać wykonane na granicy klatki kluczowej bez widocznego przeskoku, a potem przykryte transkodowaniem. Brak śladu nie dowodzi ciągłości absolutnej.

Zmiana prędkości i duplikowanie klatek wpływają na czas, motion blur i relację audio–wideo. Timelapse może być deklarowaną funkcją kamery. Pytanie brzmi, czy operacja jest zgodna z opisem pliku, a nie czy jakiekolwiek przetwarzanie wystąpiło.

Lokalna zmiana w czasie

Face swap, lip sync, usunięcie obiektu i compositing wymagają maski śledzącej. Błędy mogą pojawiać się przy zasłonięciu, profilu, włosach, okularach i ruchu. Nowe generatory poprawiają dawne wady, więc brak migotania lub nienaturalnego mrugania nie rozstrzyga.

Spójność czasową bada się dla krawędzi, tekstury, światła, ruchu, odbić i kodowania. Stabilizacja i kompresja również powodują wahania. Analiza nie może wybrać jednej klatki bez sprawdzenia jej roli w GOP i sekwencji.

Synchronizacja audio–wideo

Stałe przesunięcie ust i dźwięku może wynikać z capture, kodowania, Bluetooth, streamingu albo playera. Zmienne przesunięcie, nieciągłości i akustyka wspierają hipotezę montażu, ale wymagają badania ścieżki audio przez kompetentnego analityka.

Głos syntetyczny, voice conversion i montaż wypowiedzi są domeną fonoskopii. Sam obraz ust nie potwierdza, że widoczna osoba wypowiedziała słowa, zwłaszcza przy małej rozdzielczości i niskiej liczbie klatek.

Deepfake i treść syntetyczna

Taksonomia zamiast jednej etykiety

Treść może być całkowicie wygenerowana, lokalnie edytowana generatywnie, zamieniona twarzą, zsynchronizowana z nową wypowiedzią, przeniesiona ruchem, złożona klasycznie albo wyjęta z prawdziwego kontekstu. Ostatni przypadek może nie zawierać żadnego syntetycznego piksela, a być równie zwodniczy.

Osobno rozróżnia się narzędzie, wynik i użycie. Jawna ilustracja generatywna nie jest fałszywym dowodem, dopóki nie zostaje przedstawiona jako obserwacja. Ten sam plik może być przedmiotem oszustwa, dowodem planowania, materiałem satyrycznym albo produktem legalnym.

Zadania detektora

NIST OpenMFC rozdziela image manipulation detection, video manipulation detection, deepfake detection, lokalizację zmiany, weryfikację kamery i rekonstrukcję pochodzenia. Klasyfikator „synthetic/non-synthetic” nie odpowiada automatycznie, gdzie i jak wykonano zmianę.

Detektor może działać na twarzach, całym obrazie, częstotliwościach, statystykach szumu, modelowych artefaktach lub spójności czasowej. Nie każdy obsługuje crop, kilka twarzy, materiał bez twarzy albo lokalną edycję. Raport nazywa dokładne zadanie.

Zmiana domeny

Wynik zależy od generatorów, zbioru, rozdzielczości, kodeka, platformy, kadrowania i postprocessingu podobnych do walidacji. Nowy model może nie pozostawiać cechy, której nauczył się detektor. Prawdziwe obrazy z filtrami i niską jakością mogą wyglądać jak przykłady syntetyczne.

Test laboratoryjny na zrównoważonym zbiorze nie odtwarza częstości bazowej w sprawie. Czułość i swoistość nie są prawdopodobieństwem, że konkretny dodatni wynik oznacza fake. Potrzebne są próg, macierz pomyłek, grupa nierozstrzygająca i scenariusz użycia.

Klasa otwarta

Realny detektor spotyka nie tylko znane generatory i prawdziwe zdjęcia z laboratorium. Wejście może pochodzić z nieznanego modelu, grafiki 3D, gry, tradycyjnego compositingu, medycznego obrazowania, skanu, animacji albo aparatu o nowym potoku. System zamknięty i tak przypisze jeden z nauczonych labeli, choć właściwa klasa nie była dostępna.

Workflow operacyjny potrzebuje mechanizmu odrzucenia lub wyniku poza domeną. Może on wykorzystywać jakość, odległość w reprezentacji, niezgodność kilku modeli i reguły wejściowe, lecz również wymaga walidacji. „Unsupported media” jest lepsze niż pozornie precyzyjne 98% fake dla pliku, którego system nie powinien oceniać.

Rozpoznanie domeny poprzedza klasyfikację. Sprawdza się, czy medium, kodek, liczba twarzy, rozdzielczość, zakres wieku, kolorystyka i transformacje mieszczą się w specyfikacji narzędzia. Nie wybiera się później innego detektora tylko dlatego, że daje wynik zgodny z oczekiwaniem.

Detekcja otwartej klasy nie rozwiązuje problemu raz na zawsze. Nowe aparaty i generatory przesuwają rozkłady, a aktualizacja platform zmienia kompresję. Laboratorium monitoruje drift na bieżących kontrolach i przechowuje datę obowiązywania walidacji.

Przetwarzanie i próby przeciwne

Kompresja, screenshot, nagranie ekranu, resize i filtr mogą obniżyć skuteczność. Nie należy tworzyć instrukcji obchodzenia detekcji; wystarczy testować naturalne transformacje występujące w łańcuchu badanego pliku. Wynik stabilny tylko dla jednej wersji jest słaby.

Heatmap nie jest automatycznie lokalizacją montażu. Model klasyfikacyjny może poprawnie reagować na globalny ślad, a mapa wyjaśniająca wskazywać semantycznie atrakcyjny, lecz nieprzyczynowy obszar. Lokalizację ocenia się tylko po odrębnej walidacji.

Brak uniwersalnych oznak

Nieprawidłowe palce, tekst, zęby i mruganie charakteryzowały część generacji narzędzi. Nie są trwałym testem. Prawdziwa fotografia ma deformację ruchu, odbicie, protezę, błąd panoramy lub computational photography; generator może prawidłowo odwzorować szczegół.

Analiza semantyczna tworzy hipotezy do sprawdzenia w strukturze, fizyce i źródłach. Nie zamienia listy internetowych ciekawostek w opinię naukową.

C2PA 2.4 i Content Credentials

Manifest, claim i assertions

Content Credential jest manifestem związanym z zasobem. Zawiera twierdzenia, claim, podpis oraz binding do treści. Asercje mogą opisywać działania, składniki, urządzenie lub użycie AI. Claim generator tworzy strukturę, a signer podpisuje ją w określonym modelu tożsamości.

Manifest może być osadzony w pliku albo przechowywany zewnętrznie. Zasób może mieć historię manifestów i active manifest. Walidator nie powinien sprowadzać wszystkich stanów do zielonego lub czerwonego znaku.

Hard i soft binding

Hard binding używa kryptograficznego związania z bajtami lub strukturą zasobu, aby ujawnić zmianę względem manifestu. Soft binding opiera się na treści i może pomóc odnaleźć manifest dla pochodnej lub rendition, ale ma inną odporność i ryzyko błędnego dopasowania.

Poprawne związanie dowodzi, że manifest odnosi się do badanego zasobu w zakresie określonego algorytmu. Nie dowodzi, że wszystkie wcześniejsze etapy zostały zarejestrowane ani że scene capture przedstawia prawdziwe zdarzenie.

Walidacja i zaufanie

Walidacja obejmuje strukturę, claim, content binding, podpis, certyfikat, czas, odwołanie, asercje i składniki. „Valid” i „trusted” odpowiadają różnym pytaniom. Poprawny podpis pod nieznanym certyfikatem może wykazać integralność twierdzeń od danego podpisującego bez zaufania do jego tożsamości.

Trust list, wersja walidatora i polityka mają znaczenie. Wynik zachowuje każdy status, certyfikaty, informacje o revocation, time-stamp i wersję specyfikacji. Screenshot interfejsu Content Credentials nie jest pełnym raportem kryptograficznym.

Actions i ingredients

Actions mogą opisywać utworzenie, otwarcie, edycję i inne czynności, a ingredients — zasoby wejściowe. Historia jest użyteczna, jeśli instrumentowany workflow rzeczywiście ją rejestruje. Użytkownik może wyeksportować plik bez credentials, przetworzyć go poza systemem i rozpocząć nową historię.

Obecność deklaracji AI mówi, co podpisał określony uczestnik, nie gwarantuje kompletności. Brak deklaracji może wynikać z narzędzia, platformy, screenshotu lub usunięcia manifestu. C2PA jest opt-in i brak credentials nie dowodzi syntetyczności.

Pochodzenie nie jest prawdą sceny

Kamera zaufanego producenta może sfotografować inscenizację. Edytor może prawidłowo podpisać fotomontaż. Osoba z legalnym certyfikatem może złożyć fałszywą asercję, jeśli system jej nie mierzy. C2PA zapewnia weryfikowalne fakty o pochodzeniu w modelu zaufania, nie epistemiczny werdykt o świecie.

Z drugiej strony niepoprawny status nie zawsze oznacza manipulację treści. Plik mógł zostać legalnie przetranskodowany po podpisaniu, certyfikat wygasnąć, manifest zewnętrzny stać się niedostępny albo validator nie obsługiwać nowej konstrukcji. Raport wskazuje konkretną przyczynę.

Treść AI jako ślad sprawy

Ta sekcja dotyczy procesu generowania obrazu i wideo. Gdy materiał syntetyczny jest przedstawiany jako dowód niezależnie od medium albo sam staje się śladem oszustwa, pełną procedurę ról, źródeł referencyjnych, atrybucji i prawa przedstawia artykuł Syntetyczny dowód — treść AI, proweniencja i granice weryfikacji.

Finalny obraz jest tylko jednym artefaktem procesu. Istotne mogą być konto usługi, prompt, historia iteracji, pliki referencyjne, maski, seed, parametry, model i wersja, sampler, projekt, cache, płatność, urządzenie, eksport oraz kanał dystrybucji.

Seed nie gwarantuje odtworzenia bez tych samych wag, wersji, środowiska i ustawień. Usługa chmurowa może zmienić model pod tą samą nazwą. Wygenerowanie podobnej sceny dowodzi możliwości, nie identycznego procesu historycznego.

Prompt nie opisuje wszystkich elementów wyniku, a szkodliwy prompt bez generacji ma inną wartość niż opublikowany materiał. Obraz wejściowy może pochodzić z publicznego profilu, wycieku lub legalnej sesji. Perceptual hash pomaga szukać podobieństwa, ale nie potwierdza identyczności bitowej.

Zabezpieczenie danych lokalnych modeli, rozmów i usług opisuje też Duże modele językowe w przestępczości i terroryzmie. Atrybucja do osoby wymaga przejścia od pliku przez konto i urządzenie do kontroli oraz czynności; styl obrazu nie identyfikuje użytkownika.

Platforma, publikacja i kopie

Serwis społecznościowy może transkodować, skalować, kadrować, usuwać EXIF, tworzyć miniatury i osobne wersje. Czas publikacji nie jest czasem capture. Konto może zaplanować post, zaimportować archiwum albo ponownie opublikować starszy materiał.

Publiczne pobranie, plik przez API i produkcja dostawcy są różnymi obiektami. Dokumentuje się URL, identyfikator, konto, czas, metodę, redirecty i odpowiedź. Najstarsza znaleziona publikacja jest terminus ante quem dla istnienia tej wersji, niekoniecznie momentem utworzenia.

Screenshot zachowuje rendering, ale traci strukturę i może dodać elementy interfejsu. Screen recording przechwytuje odtwarzanie, a nie pierwotne klatki. Oba są użyteczne dla kontekstu publikacji, nie jako zamiennik źródłowego medium.

Badanie kontekstu

Prawdziwa treść może mieć fałszywy opis. Weryfikacja szuka wcześniejszych kopii, kadru szerszego, innych ujęć, miejsca, pogody, cieni, języka, znaków, wydarzeń i świadków. Źródła powinny być niezależne: kilka portali cytujących ten sam post nie stanowi wielokrotnego potwierdzenia.

Chronologia rozdziela capture, zapis, edycję, upload, publikację i pozyskanie. Metadana, cień i pogoda mają różne błędy oraz zależności. Sprzeczność nie jest wygładzana; może wskazać złą strefę, archiwalne zdjęcie albo błędną hipotezę miejsca.

Brak wcześniejszego wyniku w wyszukiwarce nie dowodzi nowości obrazu. Indeks jest niepełny, treść mogła być prywatna lub zmieniona. Wniosek ujemny podaje zakres silnika, zapytania, czas i ograniczenia.

Walidacja metod

Zbiór podobny do sprawy

Narzędzie testuje się na danych znanego pochodzenia obejmujących urządzenia, formaty, platformy, jakość i naturalne transformacje zbliżone do sprawy. Test akademicki na czystych obrazach nie waliduje kopii po kilku komunikatorach. Nowa wersja modelu lub biblioteki wymaga ponownej oceny funkcji krytycznej.

Zbiór ma przypadki pozytywne, negatywne i mylące. Dla detektora lokalnego zawiera naturalne obszary o różnym szumie; dla PRNU — różne egzemplarze tego samego modelu; dla C2PA — valid, invalid, untrusted, brak manifestu i legalnie zmienione pochodne.

Miary

Raportuje się błędy dla właściwego progu, a nie wyłącznie accuracy. Potrzebne mogą być sensitivity, specificity, false positive rate, false negative rate, calibration i wynik abstain. Wynik score nie jest prawdopodobieństwem hipotezy, jeśli model nie został tak skalibrowany.

Przy wielu testach rośnie szansa przypadkowego alarmu. Selekcja najbardziej efektownej heatmapy po obejrzeniu wyniku jest dodatkowym stopniem swobody. Plan analizy i kryteria interpretacji ograniczają cherry-picking.

Powtarzalność i przegląd

Zachowuje się narzędzia, wersje, modele, progi, kod, konfigurację, pliki pośrednie i log. Drugi ekspert powinien odtworzyć techniczne obserwacje oraz ocenić, czy wniosek nie przekracza walidacji.

Review nie polega na poznaniu oczekiwanej odpowiedzi i potwierdzeniu. Najpierw otrzymuje materiał, pytanie oraz minimalny kontekst, a dopiero później informacje potrzebne do rozstrzygnięcia sprzeczności. Kolejność jest dokumentowana.

Integracja wyników

Nie sumuje się mechanicznie słabych wskaźników. Metadana programu, ślad ponownej kompresji i brak C2PA mogą wszystkie wynikać z jednego legalnego uploadu. Zależność oznacza, że nie są trzema niezależnymi głosami za montażem.

Macierz twierdzeń wskazuje obserwację, metodę, wersję pliku, hipotezy wspierane i osłabiane, alternatywne wyjaśnienia, jakość oraz potrzebne dane. Wniosek o lokalnej zmianie może być silny, a autorstwo i zamiar nadal nieustalone.

Najmocniejsza rekonstrukcja łączy strukturę, treść, exemplar, urządzenie, wersje, C2PA, kontekst i źródła zewnętrzne. Każda warstwa ma osobną konkluzję, zanim powstanie synteza.

Obserwacja, wynik techniczny i wartość dowodowa

„W metadanych występuje nazwa programu” jest obserwacją. „Plik został zapisany przez bibliotekę zgodną z tym programem” jest interpretacją techniczną. „Oskarżony sfałszował fotografię” jest wnioskiem o czynności i osobie, który wymaga danych o urządzeniu, koncie, dostępie oraz alternatywach.

Analogicznie score detektora jest wynikiem modelu dla wejścia. Po walidacji można powiedzieć, jak wynik zachowuje się w określonej populacji. Dopiero po uwzględnieniu częstości, innych dowodów i hipotez ma znaczenie w konkretnej sprawie. Przeskok między tymi poziomami jest częstszym błędem niż samo odczytanie metadanych.

Jeżeli kilka testów korzysta z tej samej cechy, ich zgodność nie mnoży automatycznie wartości. Detektor częstotliwościowy, model uczony na JPEG i test podwójnej kompresji mogą wszystkie reagować na jeden upload. Macierz zależności wskazuje wspólny mechanizm i zapobiega podwójnemu liczeniu.

Wartość wyniku ogranicza jakość materiału i relewantność pytania. Pewne wykazanie, że platforma przeskalowała obraz, może być bez znaczenia dla tego, czy usunięto osobę. Z kolei brak możliwości wskazania konkretnego generatora nie wyklucza silnego dowodu lokalnego montażu.

Raport

Raport podaje pytanie, otrzymane obiekty, skróty, graf wersji, najwcześniejszą wersję, źródła referencyjne, środowisko, metody, parametry i ograniczenia. Dla każdej obserwacji wskazuje plik, obszar lub przedział, narzędzie i możliwość reprodukcji.

Dla źródła opisuje zakres identyfikacji: klasa, model, software lub egzemplarz. Dla treści rozdziela zmianę globalną i lokalną, techniczną oraz semantyczną. Dla deepfake podaje zadanie detektora, domenę walidacji, próg i alternatywy. Dla C2PA — wersję specyfikacji i walidatora, active manifest, binding, podpis, certyfikat, trust, time-stamp, revocation, statusy assertions i ingredients.

Język powinien być warunkowy i sprawdzalny. „Nie stwierdzono oznak manipulacji wykrywalnych zastosowanymi metodami w badanej wersji” nie znaczy „film jest prawdziwy”. „Struktura jest zgodna z exemplarami eksportu urządzenia X” nie znaczy, że scena wydarzyła się zgodnie z podpisem.

Wynik nierozstrzygający wyjaśnia brak informacji: zbyt mały obraz, silna kompresja, brak źródła, nowa domena generatora, brak materiału referencyjnego albo sprzeczne testy. Wskazuje też, jakie dane mogłyby zmienić ocenę.

Checklista materiału

Czy uzyskano najwcześniejszą wersję, a nie tylko kopię z komunikatora? Czy istnieją RAW, sąsiednie zdjęcia, projekt, chmura, urządzenie i wcześniejsze publikacje? Czy każda wersja ma identyfikator, skrót i relację?

Czy format rozpoznano z zawartości? Czy zinwentaryzowano wszystkie strumienie, metadane i miniatury? Czy istotne pola potwierdzono niezależnie? Czy parser i player są zwalidowane dla tego formatu?

Czy exemplar odpowiada urządzeniu, firmware, trybowi i ustawieniom? Czy materiał porównawczy ma naturalną zmienność? Czy dopasowania urządzenia nie utożsamiono z operatorem?

Checklista analizy

Czy rozdzielono pochodzenie, integralność, treść i kontekst? Czy hipotezy konkurencyjne powstały przed wynikiem? Czy naturalne processing, rolling shutter, HDR, panorama i kompresja są realnymi alternatywami?

Czy lokalny sygnał potwierdza więcej niż jedna rzeczywiście niezależna metoda? Czy detektor deepfake działa dla podobnych generatorów, platformy i jakości? Czy score nie został nazwany prawdopodobieństwem fake bez kalibracji?

Czy heatmap ma walidację lokalizacji? Czy ujemny wynik nie został uznany za gwarancję? Czy C2PA interpretowane jest jako pochodzenie w modelu zaufania, a nie prawda sceny? Czy brak credentials nie stał się dowodem syntetyczności?

Czy raport umożliwia powtórzenie, pokazuje wejście i pochodne, zależność wskaźników, alternatywy oraz kategorię nierozstrzygającą? Czy pytanie o głos, monitoring, twarz lub geolokalizację przekazano właściwemu modułowi zamiast pozornie rozstrzygać jedną analizą?

Źródła i standardy

Zastrzeżenie

Uwierzytelnianie obrazu i wideo wymaga kompetencji, materiału referencyjnego oraz zwalidowanych metod. Automatyczny detektor, metadana, brak C2PA albo pojedynczy artefakt nie powinny samodzielnie rozstrzygać sprawy. Artykuł nie służy do wytwarzania manipulacji ani obchodzenia detekcji i nie zastępuje opinii biegłego.