Come posso sapere se una foto è reale o falsa?

Come posso sapere se una foto è stata modificata o manipolata? Esistono tecniche per distinguere le foto reali dai falsi?

Ci sono strumenti software che possono aiutare? Ci sono cose che posso fare in Photoshop o altri software di imaging che aiuteranno a rivelare la verità?

Esistono diversi modi per [tentare di] determinare la veridicità di un'immagine, rispetto al fatto che rappresenti una cattura unica di una singola scena:

Incoerenze a livello di dati immagine

Alcune operazioni di elaborazione comportano "firme" rivelatrici incorporate nei dati che sono spesso invisibili alla vista ma che possono essere identificate mediante analisi statistiche. Il miglior esempio di ciò è la compressione di immagini con perdita di dati, ad esempio JPEG. JPEG funziona nel dominio delle frequenze, rimuovendo le frequenze al di sotto di una determinata soglia, a seconda del livello di compressione. Pertanto, se un'immagine contiene aree distinte con diversi schemi di frequenze mancanti, è molto probabile che sia composta da immagini separate precedentemente salvate a diversi livelli di compressione. Questa tecnica non funzionerà nel caso di immagini sorgente di alta qualità o quando il composito viene salvato a un livello di compressione molto più elevato.

Contenuto dell'immagine ripetuto

Un metodo comune per rimuovere gli oggetti funziona copiando le aree circostanti per coprire qualcosa. Identificare aree di un'immagine identiche ad altre aree è un segno sicuro di manomissione. Anche se la scena contiene autentici dettagli ripetuti, differiranno nell'aspetto a causa della scala / prospettiva / illuminazione / rumore. Un buon esempio di ciò è l'immagine di lancio del missile iraniano, in cui i missili vengono clonati per apparire più numerosi:

Illuminazione / prospettiva incoerenti

Alcune immagini sono impossibili a causa di incoerenze nella direzione dell'illuminazione, cioè se la scena è chiaramente illuminata da sinistra e un oggetto proietta un'ombra a sinistra (verso la sorgente luminosa), è probabile che l'oggetto sia stato aggiunto artificialmente. Allo stesso modo con la prospettiva, se riesci a vedere la parte superiore di un oggetto ma non un altro, non sono paralleli o uno è stato inserito. Questo tipo di analisi può essere complicato quando ci sono molte sorgenti luminose o se altre parti della scena sono ingannevole (si presume che le superfici siano piatte quando non lo sono). Le foto di atterraggio sulla luna sono state implicate per avere ombre in diverse direzioni, tuttavia le direzioni delle ombre possono differire quando vicine a una sorgente di luce o quando le superfici che ricevono le ombre non sono parallele (come la superficie lunare irregolare). Allo stesso modo, l'analisi prospettica può fallire quando certe ipotesi (come gli oggetti hanno le stesse dimensioni, i muri sono a bilanciere ecc.) Sono errate. Ecco un esempio famoso, la seguente immagine non è documentata:

Sembra proprio sbagliato

Questo è il metodo più comune e talvolta il meno affidabile. Il cervello è abituato a vedere informazioni reali * sull'immagine dagli occhi. Qualcosa nell'immagine non sembra reale, ha fallito un certo adattamento interno del modello. Potrebbe essere una sottile incoerenza dell'illuminazione, potrebbe essere un contorno apparente o un'ombreggiatura molto insolita. La prima ragione per cui questo approccio non è affidabile è che le telecamere non funzionano allo stesso modo dell'occhio. Il secondo motivo è che ora le persone sono abituate all'idea che le immagini sono comunemente manipolate e spesso cercano incoerenze che non ci sono, si analizzano eccessivamente e tutto ciò che appare "strano" verrà preso come prova per la manipolazione.

Psicologia / buon senso

Infine, devi chiederti se esiste qualche motivo di manipolazione. Il potenziale autore ha qualcosa da guadagnare? È persino plausibile che la foto non sia reale? Gli atterraggi sulla luna ne sono un altro esempio: è plausibile che il numero di persone che devono essere state coinvolte fosse in grado di rimanere in silenzio per così tanto tempo?

Nessuna di queste tecniche (tranne forse l'incoerenza prospettica) si applica a fotografie reali, non falsificate di scene che sono esse stesse false o fotografate in modo da ingannare lo spettatore. Un buon esempio di ciò sono le famose immagini Cottingley_Fairies . In questo caso le fotografie erano autentiche, ma le fate erano fatte di carta!

Anche se non puoi saperlo con certezza, il sito fotoforensics.com può fornire alcune informazioni. Assicurati di leggere il tutorial e controlla questo link per la tua immagine:

Dalla loro analisi, immagino che la foto non sia stata modificata.

Non sono associato a questo sito in ogni caso, anche se penso che sia roba abbastanza interessante.

Harry Farid http://www.cs.dartmouth.edu/farid/ è un professore di Dartmouth che ha lavorato molto in questo settore e mantiene anche una raccolta del lavoro degli altri sul campo. Esistono diversi modi per rilevare un'immagine manipolata. Per i jpeg, il modo più semplice è caricare l'immagine sullo strumento di verifica che ha sul suo sito :)

L'esame di pixel nascosti e tabelle di quantizzazione JPEG può essere utilizzato per determinare se un file JPEG è stato modificato dal suo originale.

L' algoritmo di compressione JPEG

Si noti che solo due passaggi sono intenzionalmente con perdita di dati: downsampling del colore e quantizzazione. Altre perdite minori sono il risultato di errori di arrotondamento. Tutti gli altri passaggi sono senza perdita.

1. Converti spazio colore. Se lo si desidera, sottocampionare le informazioni sul colore (Perdita) . Se non ricampionato, la perdita di informazioni è il risultato di un errore di arrotondamento .

2. Segmentazione. Dividi ogni canale in blocchi 8x8 (MCU = Unità di codifica minima). (Senza perdita)

   Se le dimensioni dell'immagine non sono entrambe divisibili per 8, sarà necessario riempire l'immagine con pixel extra per formare le MCU. L'esame di questi pixel nascosti può fornire un indizio sulla fonte delle immagini.  (Vedi Foto Forensics: Hidden Pixel )

   Nota: se i canali di colore fossero sottocampionati, le MCU potrebbero effettivamente essere 16x8, 8x16 o 16x16, in termini di immagine originale. Tuttavia, le MCU sono ancora tutti blocchi 8x8.

3. Trasformazione di coseno discreta (DCT) su ogni MCU. La perdita di informazioni è il risultato di un errore di arrotondamento .

4. Quantizzazione.  Il valore in ciascuna cella dell'MCU è diviso per un numero specificato in una tabella di quantizzazione (DQT). I valori sono arrotondati per difetto, molti dei quali diventano zero. Questa è la parte con perdita principale dell'algoritmo.

   Impostazioni diverse su telecamere e software diversi utilizzano tabelle di quantizzazione diverse.  Se il DQT non è coerente con l'origine richiesta, è improbabile che il file sia l'originale. (Vedi Qualità di compressione JPEG dalle tabelle di quantizzazione )

   Stimare la "qualità" JPEG è un modo indiretto per inferire il DQT. Tuttavia, non è definitivo. (Vedi Foto Forensics: stima della qualità JPEG )

5. Scansione a zig-zag. Riorganizzare i valori in ciascuna MCU in una sequenza di numeri seguendo uno schema a zig-zag. Gli zeri che si sono verificati durante la quantizzazione verranno raggruppati insieme. ( Lossless )

6. DPCM = Modulazione del codice dell'impulso differenziale. Converti le sequenze numeriche in un modulo più facile da comprimere. ( Lossless )

7. RLE = Esegui codifica lunghezza. Gli zeri consecutivi sono compressi. (Senza perdita)

8. Entropia / Huffman Coding. (Senza perdita)

Utilità

• Su Windows, JPEG Snoop può essere utilizzato per esaminare i file JPEG.

• Exiftool può anche essere usato per visualizzare la tabella di quantizzazione:

  exiftool -v3 image.jpg | grep -v RST