Digital Image Forgery Detection Using Transfer Learning

ملخص تقني: كشف تزوير الصور الرقمية باستخدام التعلم بنقل المعرفة

بيان المشكلة
أدى انتشار أدوات تحرير الصور المتقدمة إلى زيادة هائلة في المحتوى الرقمي المتلاعب به، مما شكل تحدياً لموثوقية المعلومات المرئية في مجالات الصحافة، ووسائل التواصل الاجتماعي، والتحقيقات الجنائية. غالباً ما تفشل طرق كشف التزوير التقليدية، التي تعتمد على ميزات مصممة يدوياً لتحديد التناقضات الإحصائية في اللون أو الملمس أو الضغط، في مواجهة عمليات التلاعب المعقدة، خاصة عندما تخضع الصور لعمليات معالجة لاحقة مثل تغيير الحجم، أو التدوير، أو إعادة الضغط. علاوة على ذلك، تعتمد العديد من مناهج التعلم العميق الحالية على مدخلات RGB الخام التي قد لا تبرز بوضوح آثار التلاعب الدقيقة، كما أنها غالباً ما تعطي الأولوية للدقة الإجمالية على حساب المقاييس الحرجة مثل معدلات السلبيات الكاذبة، وهي مقاييس حيوية في السياقات الجنائية.

المنهجية
تقترح الدراسة إطار عمل يعتمد على التعلم بنقل المعرفة (Transfer Learning)، صُمم لتعزيز كشف آثار التزوير الدقيقة من خلال دمج تعزيز الميزات المدرك للضغط مع بنيات الشبكات العصبية الالتفافية (CNN) العميقة. تتكون المنهجية من ثلاث مراحل رئيسية:

1. تعزيز الميزات القائم على الضغط (FDIFF): بدلاً من استخدام صور RGB الخام وحدها، يقوم إطار العمل ببناء تمثيل هجين للمدخلات. يتضمن ذلك إنشاء "صورة الفرق" ($F_{diff}$) عن طريق حساب الفرق بين البكسلات للصورة المزورة ($F$) ونسختها المعاد ضغطها ($F_{comp}$). يبرز تمثيل $F_{diff}$ هذا بوضوح عدم الاتساق في الضغط الناتج عن التلاعب، وهو أمر غالباً ما يكون غير مرئي في المدخلات القياسية. وتجمع المدخلات النهائية للنموذج بين صورة RGB الأصلية وخريطة ميزات $F_{diff}$.
2. التعلم بنقل المعرفة باستخدام الشبكات العصبية الالتفافية سابقة التدريب: تم تطويع ست بنى معمارية سابقة التدريب—وهي DenseNet121، وVGG16، وResNet50، وEfficientNetB0، وMobileNet، وInceptionV3—لأداء هذه المهمة. تم الاحتفاظ بالقواعد الالتفافية لهذه النماذج للاستفيد من تمثيلات الميزات المتعلمة، بينما استُبدلت الطبقات المتصلة بالكامل النهائية برأس تصنيف مخصص. يتضمن هذا الرأس طبقة تجميع متوسط عالمي (Global Average Pooling)، وطبقة كثيفة (51ست neuron، مع دالة تنشيط ReLU)، وطبقة إسقاط (Dropout) بنسبة 0.5، وتنشيط سيجمويد (Sigmoid) للتصنيف الثنائي. تم ضبط النماذج بدقة (Fine-tuning) باستخدام مجموعة بيانات CASIA v2.0 (12,614 صورة) باستخدام مُحسن Adam وخسارة التقاطع الثنائي (Binary Cross-Entropy).
3. تحسين العتبة التكيفية: بعيداً عن عتبات التصنيف الثابتة (مثل 0.5)، تستخدم الدراسة استراتيجية اختيار عتبة تكيفية خاصة بكل نموذج بناءً على مؤشر يودن (Youden Index) حيث ($J = TPR - FPR$). يحدد هذا النهج العتبة المثلى لكل بنية معمارية بشكل فردي لتحقيق أقصى قدر من التوازن بين الحساسية والنوعية، مما يقلل من السلبيات الكاذبة.

المساهمات الرئيسية

• تمثيل FDIFF: تقديم نهج تعزيز الميزات القائم على الفرق الذي يبرز بوضوح آثار الضغط، مما يحسن من رؤية آثار التلاعب للشبكات العصبية الالتفافية.
• العتبة التكيفية: تنفيذ استراتيجية تعتمد على مؤشر يودن لتحديد العتبات المثلى الخاصة بكل نموذج، مما يعالج مشكلة اختلاف توزيعات الاحتمالات بين البنى المختلفة.
• التقييم الشامل: إجراء تقييم صارم باستخدام مقاييس متعددة تتجاوز الدقة، بما في ذلك الدقة (Precision)، والاستدعاء (Recall)، ومقياس F1، ومعامل ارتباط ماثيوز (MCC)، والمساحة تحت المنحنى (AUC)، لتوفير رؤية متوازنة للموثوقية الجنائية.
• النتائج التجريبية على البنية المعمارية: إثبات أن التعقيد المعماري أو أحجام المدخلات الأكبر (مثل InceptionV3) لا يضمن أداءً فائقاً، وأن نماذج مثل ResNet50 يمكن أن تقدم تنبؤات أكثر توازناً وموثوقية من تلك التي تمتلك أعلى دقة خام.

النتائج التجريبية
أُجريت التجارب على مجموعة بيانات CASIA v2.0 باستخدام تقسيم 80:20 للتدريب والاختبار. تشير النتائج إلى تباين كبير في الأداء عبر البنى الست المختبرة:

• حققت DenseNet121 أعلى دقة اختبار (78.4%) وأعلى مساحة تحت المنحنى (AUC: 0.841)، مما يشير إلى قدرة تمييزية قوية.
• حققت ResNet50 أعلى معامل ارتباط ماثيوز (MCC: 0.598) وأعلى مقياس F1 (77.2%)، رغم امتلاكها دقة أقل قليلاً من DenseNet121. والأهم من ذلك، استخدمت ResNet50 أدنى عتبة مثلى (0.338)، مما أدى إلى أداء أكثر توازناً وأقل معدل للسلبيات الكاذبة.
• تباين العتبة: تباينت العتبات المثلى بشكل كبير عبر النماذج (تراوحت من 0.338 لـ ResNet50 إلى 0.461 لـ EfficientNetB0)، مما يؤكد أن العتبة العالمية الثابتة هي خيار غير مثالي.
• مقارنة النماذج: أظهرت VGG16 وEfficientNetB0 أداءً أقل من حيث MCC والاستدعاء، مما يشير إلى قيود في التقاط الآثار الدقيقة مقارنة بنماذج ResNet وDenseNet. ولم يتفوق InceptionV3، رغم حجم مدخلاته الأكبر (299x299)، على النماذج الأخرى.

الأهمية والادعاءات
تزعم الورقة أن أهميتها الأساسية تكمر في نقل نموذج التقييم لكشف تزوير الصور الرقمية من التركيز المنفرد على الدقة إلى التقييم الشامل للموثوقية والمتانة. يجادل المؤلفون بأنه في التطبيقات الجنائية، يعد تقليل السلبيات الكاذبة أمراً بالغ الأهمية لمنع انتشار المعلومات المضللة والمخاطر الأمنية. ومن خلال دمج تعزيز الميزات القائم على الضغط مع تحسين العتبة التكيفية، يحسن الإطار المقترح من كشف التلاعبات الدقيقة التي تغفل عنها الأساليب القياسية.

تخلص الدراسة إلى أنه بينما قد تبدو الدقة المسجلة (78.4%) أقل من بعض الأدبيات الحالية، فإن هذا ناتج عن إعداد تقييمي أكثر واقعية وتحدياً يعطي الأولوية لمقاييس الأداء المتوازنة (MCC، AUC) على الدقة الخام. وتؤكد النتائج أن التعلم بنقل المعرفة، عند دمجه مع تعزيز الميزات المدرك للآثار ومعايرة حدود القرار، يقدم حلاً قوياً لكشف تزوير الصور الرقمية في العالم الحقيقي. ويشير المؤلفون بتواضع إلى أنه بينما يعد الإطار فعالاً، إلا أن هناك حاجة لعمل مستقبلي لمعالجة القيود مثل استخدام مجموعة الاختبار للتحقق أثناء التدريب والحاجة إلى دراسات الاستئصال (Ablation Studies) لعزل مساهمة تمثيل FDIFF كمياً.