Please enable JavaScript.
Coggle requires JavaScript to display documents.
Lezione 41: rilevazione fake - Coggle Diagram
Lezione 41: rilevazione fake
Elementi fisici
Presenza o meno di inconsistenze a livello fisico
Traiettorie (video)
Si ricostruisce la traiettoria 3D di un oggetto/corpo e si compara con quella attesa secondo le regole della fisica
Luci/ombre
Si determina la direzione della luce in base alle ombre
La presenza di ombre diverse nella stessa foto è un indice di un possibile falso
Si usa la tecnica di stima della direzione della sorgente di luce: si traccia una retta collegando un punto specifico dell'oggetto con lo stesso punto dell'ombra di tale oggetto
Descrittori
Si ricercano anomalie a livello di descrizione del contenuto
Può essere fatta sui punti salienti o a blocchi
Consente di rilevare operazioni di
copy-move
Nascondere qualcosa o duplicare
Si calcola la descrizione dei punti salienti attraverso strumenti descrittori, si fa un matching e una localizzazione delle zone duplicate (che hanno descrittore uguale)
Formati
Si ricercano anomalie a livello del formato immagine/video
Il formato JPEG per le immagini lascia un segno dovuto alla sua compressione
Un'immagine che viene compressa più volte presenta delle anomalie nella distribuzione dei suoi coefficienti DCT
Profilo a pettine anziché lienare
Grazie a ciò si possono individuare fake di
splicing
(immagine incollata su un'altr)
La porzione incollata presenta una doppia compressione rispetto al resto dell'immagine
Con la tecnica
JPEG Ghost
l'immagine da verificare viene compressa a vari livelli di compressione e ogni immagine generata viene comparata pixel a pixel con l'immagine da verificare
Quando la qualità di ri-compressione corrisponde a quella originaria della porzione incollata, quella zona mostrerà differenza quasi nulla. Mentre il resto dell'immagine mostrerà una differenza maggiore
Comparsa del ghost
I video, oltre agli effetti della compressione possono avere alterazioni nel bit-rate e nella sequenza di frame
Cyber-applicazioni
Nel caso di
cyberbullismo
, si può andare a ricercare l'autore di una foto andando a rilevare il fingertip lasciato sull'immagine dal dispositivo e andandolo a collegare con i dispositivi dei possibili responsabili
È possibile modificare foto senza alterarne contenuto e indurre errore tecniche di machine learning che vanno a riconoscere soggetto che lo considereranno appartenente a una diversa categoria
Si può così ingannare un sistema di filtro come quello dei social network
DeepFake
: è possibile modificare/generare foto, video e audio verosimili con tecniche di machine learning