Spectral Forensics of Diffusion Attention Graphs for Copy-Move Forgery Detection

إليك ملخص تقني مفصل لورقة البحث بعنوان "التحليل الطيفي الجنائي لرسوم الانتباه في نماذج الانتشار لكشف تزوير النسخ واللصق" (GraphSpecForge).

1. بيان المشكلة

تزوير النسخ واللصق (CMF) هو شكل منتشر من التلاعب بالصور، حيث يتم نسخ منطقة من الصورة ولصقها في مكان آخر داخل نفس الصورة لإخفاء أو فبركة المحتوى. يعد كشف هذا النوع من التزوير أمراً صعباً لأن المناطق المنسوخة غالباً ما تتعرض لتحويلات هندسية، وضغط، ودمج، مما يجعلها غير قابلة للتمييز بصرياً عن الأصل.

تعتمد طرق الكشف التقليدية على:

• الميزات المصممة يدوياً: مطابقة الكتل (Block matching)، واصفات النقاط المفتاحية (SIFT/SURF)، أو طرق الحقل الكثيف.
• التعلم العميق الخاضع للإشراف: نماذج مدربة على مجموعات بيانات تزوير محددة، والتي غالباً ما تفشل في التعميم على أنواع التلاعب غير المرئية أو تتطلب إعادة تدريب مكثفة.

تعالج هذه الورقة الحاجة إلى إطار عمل جنائي خالي من التدريب وقابل للتعميم، لا يعتمد على تسميات (labels) خاصة بالتزوير ولا يتطلب إعادة تدريب.

2. الفرضية الجوهرية والإطار النظري

يقترح المؤلفون رؤية نظرية جديدة: يؤدي تزوير النسخ واللصق إلى تكرار شبه فرعي (subgraph duplication) في رسوم الانتباه الذاتي لنماذج الانتشار المدربة مسبقاً.

• الآلية: عندما يتم نسخ منطقة ما، فإن آلية الانتباه الذاتي في نموذج الانتشار (تحديداً Stable Diffusion) تنشئ "رسمًا فرعيًا مكررًا" في مصفوفة التقارب (affinity matrix) للرموز (tokens).
• النتيجة الطيفية: وفقاً لنظرية الاضطراب ومبرهنة Weyl Interlacing، يؤدي تكرار الرسم الفرعي إلى ضغط المسافات بين القيم الذاتية المحلية وإعادة توزيع الكتلة الطيفية في مخطط لابلاس الرسومي الموحد (Normalized Graph Laplacian).
• لماذا مخطط لابلاس الموحد؟ مصفوفة الانتباه الخام تخلط بين مقدار المحتوى والاتصال الهيكلي. يجادل المؤلفون بأن التوحيد الدرجي (degree normalization) (بناء $L = I - D^{-1/2}AD^{-1/2}$) يعزل نمط الاتصال الهيكلي، مما يجعل إعادة التوزيع الطيفي الناتج عن التكرار قابلاً للكشف، بينما غالباً ما تُحجب الأطياف الخام بواسطة تغيرات المقدار.

3. المنهجية: GraphSpecForge

يعمل GraphSpecForge كخط معالجة جنائي خالٍ تماماً من التدريب، ويعمل كمكتشف شذوذ أحادي الفئة (one-class anomaly detector). وهو لا يتطلب أي تسميات تزوير للمعايرة.

خطوات خط المعالجة:

1. استخراج الانتباه:
   • يتم إجراء تمريرة أمامية واحدة عبر نموذج Stable Diffusion v1.5 U-Net المدرب مسبقاً.
   • يتم استخراج مصفوفات تقارب الانتباه الذاتي ($A^{(\ell)}$) من جميع طبقات الـ 16 في الـ Transformer (تشمل المشفر، العنق، وفك التشفير).
2. بناء الرسم البياني (Graph Construction):
   • يتم جعل المصفوفات متناظرة وتقليم القيم غير السالبة لتشكيل رسوم بيانية موجهة وموزونة.
   • يتم حساب مخططات لابلاس الموحدة لكل طبقة.
3. استخراج الميزات الطيفية:
   • يتم حساب أطياف القيم الذاتية لكل من الانتباه الخام ومخطط لابلاس الموحد.
   • مجموعات الميزات:
     • ميزات النقل (Transport Features): مسافة Wasserstein-1 ($W_1$) بين طيف الصورة المختبرة وتوزيع مرجعي أصيل محسوب مسبقاً (مخزن من الصور الأصلية فقط).
     • ميزات بنك المرشحات (Filter-Bank Features): أثر الحرارة (heat trace)، الإنتروبيا الطيفية، وملخصات تمرير النطاق.
     • ميزات حساسة للتكرار: الكتلة بالقرب من $\lambda=1$، وضغط المسافات المحلية.
     • ضوابط غير طيفية: إحصائيات الدرجة، نصف القطر الطيفي، إلخ، لاستبعاد خصائص الرسم البياني البديهية.
4. اختيار الطبقة (FSEL):
   • يقوم خبير طبقة الطيف التزويري (FSEL) بتصنيف الطبقات بناءً على الفصل التوزيعي، وحساسية الاضطراب السببي (استبعاد المكونات الذاتية العليا)، والاستقرار.
   • يحدد النظام باستمرار طبقات فك التشفير (تحديداً up_blocks.2 و up_blocks.3) كأكثر الطبقات إخبارية.
5. القرار والدمج:
   • يتم دمج درجات الشذوذ من أفضل-$k$ من الطبقات باستخدام التجميع المرجح بالموثوقية (softmax).
   • يتم وضع عتبة بناءً على كميات التحقق للأصول (على سبيل المثال، معدل خطأ إيجابي بنسبة 1%).

4. المساهمات الرئيسية

1. الإطار النظري: يربط بين تزوير النسخ واللصق والاضطراب الطيفي في رسوم انتباه نماذج الانتشار، استناداً إلى نظرية تكرار الرسم الفرعي وتداخل القيم الذاتية.
2. مكتشف خالٍ من التدريب: يحقق الكشف دون أي بيانات تدريب خاصة بالتزوير أو ضبط دقيق، معتمداً فقط على الأولويات الهيكلية لنموذج انتشار مدرب مسبقاً.
3. تفوق مخطط لابلاس: يثبت أن مخطط لابلاس الموحد يتفوق باستمرار على أطياف الانتباه الخام بحوالي +0.057 AUROC، مما يثبت أن الاتصال الهيكلي هو إشارة جنائية أكثر قوة من مقدار الانتباه الخام.
4. التحقق عبر اختبارات متعددة: تم التحقق من الطريقة عبر أربع مجموعات بيانات متنوعة (RecodAI-LUC, MICC-F220, CoMoFoD, COVERAGE) دون إعادة تدريب، مما يظهر أن الآلية قابلة للنقل عبر أنماط التلاعب المختلفة (مثل SIFT، التحويلات الهندسية، الإخفاء).
5. التفنيد الصارم: يتضمن دراسات استئصال واسعة، وضوابط الرسم البياني الصفري، واختبارات التحديد للتأكد من أن الإشارة ليست مجرد صدفة إحصائية أو استجابة لشذوذات صور عامة.

5. النتائج التجريبية

تم تقييم الطريقة على أربع معايض. النتائج الرئيسية تشمل:

• RecodAI-LUC (واسعة النطاق، $n=5,128$):

  • AUROC: 0.606 (95% CI: 0.580–0.638).
  • الدلالة: $p = 0.005$ (التبديل).
  • أداء انخفاض معدل الخطأ الإيجابي (Low-FPR): TPR@1%FPR = 12.1%.
  • ملاحظة: رغم كونها متوسطة، إلا أنها ذات دلالة إحصائية كطريقة صفرية (zero-shot).

• الأداء عبر مجموعات البيانات (التعميم):

  • MICC-F220: AUROC = 0.752.
  • CoMoFoD: AUROC = 0.774، AUPRC = 0.833، MCC = 0.499، TPR@1%FPR = 32.5%.
  • COVERAGE: AUROC = 0.673.
  • ملاحظة: تعمل الطريقة بشكل أفضل بكثير على المعايض الأصغر والمحددة مقارنة بـ RecodAI-LUC الضخمة والمليئة بالضجيج، مما يشير إلى أن الإشارة قوية ولكنها حساسة لمستويات ضجيج مجموعة البيانات.

• رؤى الاستئصال (Ablation Insights):

  • الـ Laplacian مقابل الخام: يتفوق الـ Laplacian باستمرار (زيادة قدرها +0.056 إلى +0.113 في AUROC).
  • أهمية الميزة: تحمل مسافة نقل Wasserstein الجزء الأكبر من الإشارة، بينما توفر ميزات كتلة التكرار مكاسب هامشية.
  • عمق الطبقة: طبقات فك التشفير (الدقة المتوسطة) حاسمة؛ ودمج أفضل-$k$ من الطبقات يحسن الأداء مقارنة بالكشف بطبقة واحدة.
  • التحديد (Specificity): يميز المكتشف بين النسخ واللصق والتشابه الذاتي الطبيعي (مثل الأنماط المكررة) والفساد العام (الضبابية، الضجيج)، رغم أنه ليس مثالياً في التحديد لعملية النسخ واللصق وحدها.

6. الأهمية والقيود

الأهمية:

• تحول في النموذج (Paradigm Shift): ينتقل من "تعلم كشف التزوير" إلى "تحليل الاضطرابات الهيكلية في النماذج التأسيسية".
• القابلية للنقل: يثبت أن الشذوذ الطيفي الناجم عن تكرار الرسم الفرعي هو خاصية أساسية لتزوير النسخ واللصق، يمكن كشفه عبر مجموعات بيانات مختلفة وأنواع تلاعب مختلفة دون إعادة تدريب.
• القابلية للتفسير: تقدم الطريقة تفسيراً نظرياً (إعادة التوزيع الطيفي) بدلاً من قرار "الصندوق الأسود" للتعلم العميق.

القيود:

• سقف الدقة: الـ AUROC (0.606 في المعيار الرئيسي) أقل من أدوات الكشف المتطورة الخاضعة للإشراف (التي تتجاوز غالباً 0.9). وهذا متوقع كون الطريقة صفرية (zero-shot).
• لا يوجد تحديد للموقع (No Localization): توفر الطريقة درجة شذوذ على مستوى الصورة ولكنها لا تستطيع تحديد موقع المنطقة المزورة (أقنعة على مستوى البكسل) لأنها تعمل على القيم الذاتية للرسم البياني العالمي.
• التكلفة الحسابية: عملية التفكيك الطيفي (eigendecomposition) الكاملة لمصفوفات الانتباه عالية الدقة (مثل 64x64 توكن) مكلفة حسابياً.
• تداخلات التحديد: يمكن أن يتم تحفيز المكتشف بواسطة الهياكل الطبيعية عالية التكرار (مثل الأجسام المتماثلة)، وإن كان ذلك بشكل أقل قوة من التزوير الفعلي.

الخاتمة

يقدم GraphSpecForge نهجاً مبدئياً وخالياً من التدريب لكشف تزوير النسخ واللصق من خلال الاستفيد من الخصائص الطيفية لرسوم انتباه نماذج الانتشار. ورغم أنه ليس بديلاً بعد لأدوات الكشف الخاضعة للإشراف عالية الدقة، إلا أنه يؤسس لنموذج جنائي جديد حيث يخلق تكرار الرسم الفرئي التقريبي إعادة توزيع طيفية في مخطط لابلاس الموحد. إن قدرة الطريقة على التعميم عبر أربع مجموعات بيانات متميزة دون إعادة تدريب تسلط الضوء على إمكانية استخدام النماذج التأسيسية كأدوات جنائية هيكلية.