💻 computer science

DiffusionPrint: Learning Generative Fingerprints for Diffusion-Based Inpainting Localization

تقترح الورقة البحثية DiffusionPrint، وهو إطار عمل للتعلم التبايني على مستوى الرقعة (patch-level) يحدد بصمات توليدية متسقة في المناطق التي تم ترميمها باستخدام نماذج الانتشار (diffusion-based) للتغلب على قيود طرق التحقيق الجنائي الحالية وتحسين تحديد تزييف الصور بشكل كبير عبر مختلف النماذج والبنيات غير المرئية.

المؤلفون الأصليون: Paschalis Giakoumoglou, Symeon Papadopoulos

نُشر 2026-04-15

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Paschalis Giakoumoglou, Symeon Papadopoulos

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

إليك شرح لورقة بحثية بعنوان "DiffusionPrint" باستخدام لغة بسيطة وتشبيهات إبداعية.

المشكلة: "الممحاة السحرية" التي لا تترك أثراً

تخيل أن لديك صورة لشاطئ. استخدمت أداة ذكاء اصطناوي فائقة الذكاء (مثل "الممحاة السحرية") لإزالة سلة مهملات واستبدالها بطائر نورس.

الطريقة القديمة (الدمج - Splicing): في الماضي، إذا قام شخص ما بتعديل صورة، كان يكتفي بقص سلة المهملات ولصق صورة نورس فوقها. كان الأمر يشبه وضع ملصق (ستيكر) على لوحة فنية. بقيت بقية اللوحة (الرمال، السماء) دون مساس. وكان بإمكان خبراء الأدلة الجنائية البحث عن "حافة الملصق" أو اختلاف ملمس الورق لكشف التزييف.
الطريقة الجديدة (Inpainting عبر نماذج الانتشار - Diffusion Inpainting): الذكاء الاصطناوي الحديث لا يكتفي بلصق ملصق فحسب، بل يعيد بناء اللوحة بأكملها من الصفر. حتى الأجزاء التي لم تلمسها (الرمال والسماء) يتم إعادة رسمها بواسطة الذكاء الاصطناوي لتتناسب تماماً مع طائر النورس الجديد.

الكابوس الجنائي: نظرًا لأن الذكاء الاصطناوي يعيد رسم كل شيء، فإن "بصمات الأصابع" الأصلية التي تركتها الكاميرا (مثل الحبيبات الدقيقة أو أنماط الضجيج/النوّيز) تُمسح في كل مكان. أجهزة كشف الكذب التقليدية تبحث عن تلك البصمات المفقودة، ولكن بما أن الصورة بأكملها أصبحت جديدة، فإن هذه الأجهزة تصاب بالارتباك؛ فهي لا تستطيع التمييز بين ما هو حقيقي وما هو مزيف لأن الأجزاء "الحقيقية" تبدو "مولدة بالذكاء الاصطناوي" تماماً مثل الأجزاء المزيفة.

الحل: DiffusionPrint (كاشف "الحمض النووي للذكاء الاصطناوي")

ابتكر الباحثون أداة جديدة تسمى DiffusionPrint. بدلاً من البحث عن غياب ضجيج الكاميرا، تبحث الأداة عن وجود "حمض نووي" محدد للذكاء الاصطناوي.

فكر في الأمر بهذه الطريقة:

كل نموذج ذكاء اصطناوي (مثل Stable Diffusion أو Flux أو Firefly) له "صوت" فريد أو "أسلوب خط يد" خاص به.
على الرغم من أن الذكاء الاصطناوي يعيد رسم الصورة بأكملها، إلا أن الأجزاء التي قام بإنشائها فعلياً (طائر النورس) تحمل بصمة محددة ومتسقة تختلف قليلاً عن الأجزاء التي قام فقط "بإعادة رسمها" (الرمال).
DiffusionPrint هو محقق مدرب على الاستماع إلى ذلك "الصوت" المحدد في الأجزاء المولدة، مع تجاهل حقيقة أن الصورة بأكملها تبدو "معالجة" نوعاً ما.

كيف يعمل: "اختبار التوأم"

لتعليم المحقق كيفية رصد هذا "الحمض النووي للذكاء الاصطناوي"، استخدم الباحثون طريقة تدريب ذكية تسمى "التعلم التبايني" (Contrastive Learning). تخيل لعبة "أوجد الفروق" ولكن مع لمسة مختلفة:

التوأم "الحقيقي": خذ صورة حقيقية. اطلب من الذكاء الاصطناوي إعادة رسم جزء صغير منها. الآن لديك الجزء الأصلي والجزء "المعاد رسمه".
- الدرس المستفاد: "هذان يبدوان مختلفين، لكنهما كلاهما حقيقيان. تجاهل التغييرات التي أجراها الذكاء الاصطناوي؛ تعلم أن تراهما كفئة واحدة."
التوأم "المزيف": خذ صورة قام الذكاء الاصطناوي بإنشائها من الصفر. اطلب من الذكاء الاصطناوي إعادة رسم جزء منها. الآن لديك الجزء المزيف الأصلي والجزء المزيف "المعاد رسمه".
- الدرس المستفاد: "هذان يبدوان مختلفين قليلاً، لكنهما كلاهما مزيفان. إنهما يتشاركان في نفس 'الحمض النووي للذكاء الاصطناوي'. تعلم أن تجمعهما معاً."

من خلال القيام بذلك ملايين المرات، يتعلم النظام تجاهل ضجيج "إعادة الرسم" والتركيز تماماً على "البصمة" الخفية والمتسقة التي تثبت أن منطقة معينة تم إنشاؤها بواسطة نموذج ذكاء اصطناوي محدد.

السر وراء النجاح: "السلبيات الصعبة" (Hard Negatives)

يصبح النظام أكثر ذكاءً من خلال لعب "الوضع الصعب":

أحياناً، يبدو الجزء المزيف مشابهاً جداً للجزء الحقيقي.
وأحياناً، يبدو الجزء الحقيقي (الذي تمت إعادة رسمه) مشابهاً جداً للجزء المزيف.
يبحث DiffusionPrint خصيصاً عن هذه الأزواج المربكة. فهو يجبر الذكاء الاصطناوي على تعلم الاختلافات الدقيقة وغير المرئية التي تفصل بين "الجزء الحقيقي المعاد رسمه" و"الجزء المزيف المولد حقاً". هذا يشبه تدريب متذوق نبيذ على التمييز بين صنفين متشابهين جداً من خلال تذوق الزجاجات الأكثر تشابهاً أولاً.

النتائج: ترقية شاملة

قام الباحثون بدمج كاشف "الحمض النووي للذكاء الاصطناوي" الجديد هذا في أدوات جنائية موجودة (مثل TruFor و MMFusion).

النتيجة: عمل الأمر ببراعة. في الاختبارات، أدى ذلك إلى تحسين القدرة على اكتشاف التزييف بنسبة تصل إلى 28%.
القوة الخارقة: لم يعمل النظام فقط على نماذج الذكاء الاصطناوي التي تدرب عليها، بل استطاع اكتشاف التزييفات المصنوعة بواسطة نماذج ذكاء اصطناوي جديدة لم يسبق له رؤيتها. لقد تعلم مفهوم "التوليد بالذكاء الاصطناوي" بدلاً من مجرد حفظ أمثلة محددة.

ملخص التشبيه

تخيل غرفة مليئة بالأشخاص الذين يرتدون أقنعة متطابقة.

الكواشف القديمة: حاولت العثور على الشخص من خلال البحث عن بقعة على قناعه. لكن الذكاء الاصط�وي مسح الأقنعة ونظفها، فلم تجد الكواشف شيئاً.
DiffusionPrint: أدرك أنه بينما الأقنعة نظيفة، فإن صوت الشخص المتحدث فريد من نوعه ويخص الذكاء الاصطناوي الذي صنعهم. لقد درب أذنيه على سماع هذا "الصوت الخاص بالذكاء الاصطناوي" حتى عندما يقف الشخص بجانب شخص آخر يبدو تماماً مثله.

باخت-صار: DiffusionPrint هو أداة جنائية جديدة تتوقف عن محاولة البحث عن "ضجيج الكاميرا المفقود" وتبدأ في الاستماع إلى "اللكنة الفريدة للذكاء الاصطناوي" التي تتركها المولدات الحديثة خلفها، مما يجعل من الصعب جداً على المزورين إخفاء آثارهم.

إليك ملخص تقني مفصل لورقة البحث بعنوان "DiffusionPrint: تعلم البصمات التوليدية من أجل تحديد مواقع التزييف القائم على الانتشار (Diffusion-based Inpainting Localization)."

1. بيان المشكلة

أدى صعود نماذج الذكاء الاصطني Generation التوليدي الموجه بالنصوص (مثل Stable Diffusion، وFLUX، وAdobe Firefly) إلى ظهور فئة جديدة من تزييف الصور: التلوين الداخلي كامل إعادة التوليد (fully-regenerative inpainting). بخلاف عمليات اللصق (splicing) أو التلوين الداخلي الجزئي التقليدي، تعمل هذه النماذج في مساحة كامنة مضغوطة (latent space) وتقوم بفك تشفير التمثيل الكامل للصورة عبر مشفر تلقائي متغير (VAE decoder).

التحديات الرئيسية:

تدمير الآثار الجنائية: تعتمد طرق تحديد تزييف الصور (IFL) التقليدية على اكتشاف الانقطاعات في ضوضاء المستشعر (PRNO) أو عيوب الالتقاط. ولأن نماذج إعادة التوليد الكاملة تعيد بناء كل بكسل (حتى تلك الموجودة خارج قناع التلوين الداخلي)، فإنها تدمر أنماط ضوضاء الكاميرا الأصلية، مما يجعل الإشارات الجنائية الحالية غير فعالة.
التحول الطيفي (Spectral Shift): تؤدي عملية إعادة البناء الكامنة إلى إحداث تحول طيفي واسع النطاق عبر الصورة بأكملها، مما يغير الإحصائيات الترددية. هذا يربك الكواشف التي تعتمد على الاختلافات الترددية المطلقة بين المناطق الحقيقية والمزيفة، حيث يتم تعديل المناطق "الحقيقية" لتشبه الملفات الطيفية "المزيفة".
نقص التعميم: تفشل النماذج الحالية المدربة على عمليات اللصق أو التلوين الداخلي الجزئي عند تطبيقها على مخرجات إعادة التوليد الكاملة دون إعادة تدريب.

2. المنهجية: DiffusionPrint

يقترح المؤلفون DiffusionPrint، وهو إطار عمل للتعلم التبايني على مستوى الرقعة (patch-level contrastive learning) مصمم لتعلم إشارة جنائية قوية تجاه عيوب إعادة البناء الكامنة. بدلاً من اكتشاف الضوضاء، يتعلم بصمة توليدية خاصة بنموذج الانتشار (diffusion model) المستخدم.

المكونات الأساسية:

بناء الأزواج الإيجابية غير المتماثلة (Asymmetric Positive Pair Construction):
- الرقع المولدة (داخل القناع): بالنسبة للصور المولدة بواسطة نموذج معين $g_i$ ، يقوم النموذج بعملية تلوين داخلي باستخدام نسخة من نفس النموذج. تشكل الرقعة المولدة الأصلية والرقعة الملونة داخلياً حديثاً في نفس الموقع المكاني زوجاً إيجابياً. هذا يعلم المشفر التعرف على البصمة التوليدية المشتركة للنموذج.
- الرقع الأصيلة (خارج الق मास्क): بالنسبة للصور الحقيقية، يقوم النموذج بعملية تلوين داخلي باستخدام مولدات متنوعة. يتم ربط الرقع الموجودة خارج القناع (التي لم تتغير دلالياً ولكن تم إعادة بناؤها طيفياً) مع نظيراتها الأصلية. هذا يجبر المشفر على أن يصبح محايداً (invariant) تجاه عيوب إعادة البناء الكامنة الناتجة عن الـ VAE، مما يجعله يتجاهل التحول الطيفي في المناطق الأصيلة.
التعلم التبايني بأسلوب MoCo:
- البنية: يستخدم خلفية DnCNN مكونة من 17 طبقة لإنتاج خرائط ميزات كثيفة.
- المشفر الزخمي (Momentum Encoder): ينتج مشفر يتم تحديثه زخمياً ( $f_{\bar{\theta}}$ ) تضمينات مستقرة للأزواج الإيجابية وطابور السلبيات.
- استخراج السلبيات الصعبة عبر الفئات (Cross-Category Hard Negative Mining): يخزن طابور ذاكرة التضمينات المصنفة حسب الفئة (حقيقي مقابل ملون داخلياً). لكل مرساة (anchor)، يسترجع النظام أكثر التضمينات تشابهاً (top- $k$ ) من الفئة المقابلة. يركز هذا على تعلم حدود القرار الأكثر صعوبة (على سبيل المثال، رقعة حقيقية تبدو وكأنها مولدة).
- دالة الخسارة: تقوم بتحسين خسارة InfoNCE مدمجة مع رأس تصنيف مدرك للمولد (Generator-Aware Classification Head). يتنبأ رأس التصنيف (المدرب بشكل مشترك) ما إذا كانت الرقعة حقيقية أم أي مولد محدد (SD 2.1، SDXL، Flux) قام بإنشائها. هذه المهمة الإضافية تشجع الخلفية على تعلم بصمات متميزة ومحددة للنماذج.
التكامل:
- يعمل DiffusionPrint كبديل "جاهز للاستخدام" (drop-in replacement) للوسائط القائمة على الضوضاء (مثل Noiseprint++) في أطر دمج الميزات (fusion-based IFL). ويقوم بإخراج خريطة ميزات جنائية كثيفة يتم دمجها مع ميزات RGB لتحديد موقع التزييف.

3. المساهمات الرئيسية

إطار عمل مبتكر: تقديم DiffusionPrint، وهو أول إطار عمل تبايني على مستوى الرقعة مصمم خصيصاً للتعامل مع التشوهات الطيفية لإعادة التوليد الكامل.
تعلم الحياد (Invariance Learning): استراتيجية اقتران فريدة تعلم النموذج صراحةً أن يكون محايداً تجاه عيوب إعادة البناء الناتجة عن VAE في المناطق الأصيلة، بينما يكون حساساً للبصمة التوليدية للمناطق الملونة داخلياً.
السلبيات الصعبة عبر الفئات: آلية تدريب تقوم باستخراج العينات الأكثر إرباكاً عبر الفئات لتنقية حد القرار.
الإدراك للمولد: تضمين رأس تصنيف يحسن القدرة التمييزية للميزات المتعلمة من خلال إجبار النموذج على التمييز بين البنى التوليدية المختلفة.

4. النتائج التجريبية

تم تقييم الطريقة على معيار TGIF (تحديداً مجموعة إعادة التوليد الكامل) عبر ثلاثة أطر دمج: TruFor، وMMFusion، وخط أساس خفيف (Lightweight Baseline).

مكاسب الأداء: تفوق DiffusionPrint باستمرار على وسيط Noiseprint++ الأحدث.
- حقق تحسناً يصل إلى +28% في مقياس F1 لأنواع الأقنعة العشوائية (غير المرئية أثناء التدريب).
- لوحظت مكاسب كبيرة في متغيرات Flux (مثل Flux dev، وFlux schnell)، مما يثبت القدرة على التعميم لما وراء نماذج U-Net.
التعميم:
- البنى غير المرئية: عندما تم تدريبه فقط على SD 2.1 وSDXL (باستثناء Flux)، لا يزال النموذج يحقق أداءً تنافسياً أو متفوقاً على متغيرات Flux غير المرئية، مما يثبت أنه يتعلم إشارة توليدية أساسية بدلاً من الإفراط في ملاءمة عيوب نماذج محددة.
- الأقنعة غير المرئية: أظهر النموذج قدرة جيدة على التعميم على أنواع الأقنعة العشوائية التي لم تُشاهد أثناء الضبط الدقيق، مما يشير إلى أنه يلتقط عملية التلاعب بدلاً من عيوب القناع المحددة.
دراسات الاستئصال (Ablation Studies):
- حسنت استراتيجية الاقتران المقترحة الدقة من ~75% إلى 86.35% مقارنة بنماذج MoCo القياسية.
- عزز رأس التصنيف المدرك للمولد دقة الاختبار الخطي (linear probing) إلى 88.17%.
- تم العثور على الأداء الأمثل مع 512 من السلبيات الصعبة و64 قناة مخرجات.

5. الأهمية والخاتمة

تحول في النموذج: يعالج DiffusionPrint القصور الحرج لأدوات الجنائية الرقمية الحالية ضد الذكاء الاصطناعي التوليدي الحديث. إنه ينتقل من الاعتماد على ضوضاء المستشعر (التي يتم تدميرها بواسطة فك التشفير الكامن) إلى تعلم "البصمة" الجوهرية للعملية التوليدية نفسها.
القوة والصلابة: من خلال تعلم تجاهل التحولات الطيفية الناتة عن مشفر VAE، توفر الطريقة إشارة موثوقة لتحديد المواقع حتى عندما يتم إعادة بناء الصورة بالكامل.
الأثر العملي: كونه مكوناً نموذجياً، يمكن دمجه بسهولة في خطوط الدفاع الجنائية الحالية (مثل TruFor) لتعزيز قدرتهم بشكل كبير على اكتشاف التزييف المتطور الموجه بالنصوص، مما يوفر دفاعاً حيوياً ضد التضليل وتزييف الأدلة البصرية.

الكود متاح للجمهور، مما يسهل المزيد من الأبحرح حول بصمات التوليد والجنائيات الصورية القوية.