Làm thế nào tôi có thể phát hiện nếu một hình ảnh đã được photoshop?

Tôi muốn kiểm tra các tệp JPG nếu chúng bị thao túng để thay đổi nội dung.

Những gì tôi cho là KHÔNG photoshop:

• Cắt xén
• Xoay
• (Chia tỷ lệ)
• Độ phân giải hình ảnh
• Thay đổi tự động điện thoại thông minh có thể thực hiện

Những gì tôi xem xét photoshop:

• Thêm một hình ảnh mới trên đầu các phần của hình ảnh cũ
• Thay đổi văn bản của một phần của hình ảnh

Làm thế nào điều này có thể tự động được kiểm tra?

(Và: Có thư viện sẵn sàng sử dụng cho nó không?)

Phân tích cấp độ lỗi như được mô tả Phân tích cấp độ lỗi, được tìm thấy tại https://github.com/afsalashyana/FakeImageDetection dường như là một cách:

Bạn khai thác rằng tỷ lệ nén cục bộ có thể khác nhau. Và dường như có thể đào tạo mạng lưới thần kinh trên đó.

Tôi đã không tìm thấy một bài báo cho biết nó hoạt động tốt như thế nào cho đến nay

Trên thực tế tôi hiện không làm việc trong lĩnh vực này nhưng tôi nhớ một cái gì đó từ quá khứ có thể giúp bạn. Các tệp JPG sử dụng lượng tử hóa, thực sự rất khó để phát hiện giả mạo nhưng tôi khuyên bạn nên đọc bài báo sau.

Phân tích hiệu suất phát hiện giả mạo nén ảnh JPEG

Thuật toán pháp y được đề xuất để phân biệt giữa các khu vực ban đầu và giả mạo trong các hình ảnh JPEG, theo giả thuyết rằng hình ảnh bị giả mạo thể hiện một nén JPEG kép, được căn chỉnh (A-DJPG) hoặc không được phân bổ (NA-DJPG). Không giống như các cách tiếp cận trước đây, thuật toán được đề xuất không cần phải chọn thủ công một vùng nghi ngờ để kiểm tra sự hiện diện hoặc không có các tạo tác nén kép. Dựa trên mô hình thống kê được cải tiến và thống nhất, đặc trưng cho các tạo tác xuất hiện trong cả sự hiện diện của cả A-DJPG hoặc NA-DJPG, thuật toán đề xuất sẽ tự động tính toán một bản đồ khả năng cho thấy xác suất của mỗi khối biến đổi cosin 8 × 8 bị nén gấp đôi . Hiệu lực của phương pháp đề xuất đã được đánh giá bằng cách đánh giá hiệu suất của máy dò dựa trên ngưỡng bản đồ khả năng, xem xét các kịch bản pháp y khác nhau. Hiệu quả của phương pháp đề xuất cũng được xác nhận bằng các thử nghiệm được thực hiện trên hình ảnh giả mạo thực tế. Một tính chất thú vị của phương pháp Bayes được đề xuất là nó có thể dễ dàng được mở rộng để hoạt động với các dấu vết để lại bởi các loại xử lý khác.