← أحدث الأبحاث
💻 علوم الحاسوب

DASMark: Dual-Anchor Synchronization of Diffusion Image Watermarks for Geometrically Robust Deepfake Detection

يُعد DASMark إطار عمل قويًا لعلامات مائية لصور الانتشار، يستخدم المزامنة الهندسية مزدوجة المرتكز والضجيج القابل لإعادة الإنتاج والمخصص للمستخدم لتحقيق كشف دقيق للغاية للتزييف العميق وتحديد هوية المستخدم القابل للتوسع حتى في ظل الهجمات الهندسية الشديدة مثل التدوير والقص.

المؤلفون الأصليون: Jietao Zheng, Yanli Chen, Hanzhou Wu

نُشر 2026-11-11
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Jietao Zheng, Yanli Chen, Hanzhou Wu

البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://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

في العصر الرقمي، أتقن الذكاء الاصطناعي فن الخداع البصري. إذ يمكن للبرامج الحاسوبية الحديثة الآن توليد صور تبدو غير قابلة للتمييز عن الصور الفوتوغرافية، مما يخلق وجوهاً ومعالم ومشاهد واقعية من مجرد أوصاف نصية بسيطة. وبينما توفر هذه التكنولوجيا إمكانات إبداعية هائلة، فإنها تغذي أيضاً انتشار "التزييف العميق" (deepfakes)—وهي وسائط مُتلاعب بها صُممت للتضليل أو الاحتيال أو نشر المعلومات المضللة. إن التحدي الجوهري الذي يواجه المحققين والمنصات لا يقتصر فقط على كشف الزيف، بل في معرفة مصدره بدقة. وتواجه طرق الكشف السلبية، التي تحاول العثور على أخطاء إحصائية دقيقة في الصورة، صعوبة كبيرة عند مواجهة أنواع جديدة من مولدات الذكاء الاصطناعي. ويتمثل الحل الأكثر استباقية في "العلامات المائية": وهي غرس إشارة فريدة مخفية داخل الصورة لحظة إنشائها. تعمل هذه الإشارة بمثابة بصمة رقمية، مما يسمح لأي شخص بالتحقق من أصل الصورة وتتبعها وصولاً إلى المستخدم المحدد الذي قام بتوليدها. ومع ذلك، لا تزال هناك عقبة كبيرة قائمة: فإذا قام شخص ما بقص الصورة، أو تدويرها، أو تمديدها، فقد تصبح الإشارة المخفية غير متوافقة، مما يجعل البصمة غير قابلة للقراءة والمصدر غير قابل للتتبع.

ولحل هذه المشكلة، طور الباحثون جيتياو تشنغ، ويانلي تشن، وهانزو وو نظاماً جديداً يسمى "DASMark". يعالج عملهم الضعف المحدد لتقنيات العلامات المائية الحالية عندما تتعرض الصور لتشويه هندسي. فبدلاً من الاعتماد على نمط واحد هش، تقوم طريقتهم بغرس نقطتي مرجع متميزتين، أو "مرساتين" (anchors)، مباشرة في الضجيج الرياضي غير المرئي الذي يستخدمه الذكاء الاصطناعي لبدء بناء الصورة. تُوضع هذه المراسي في مواقع محددة ضمن البنية البيانية الأساسية للصورة. وعندما يتم توليد الصورة، تنتقل هذه المراسي معها، لتصبح جزءاً من الصورة النهائية. وتكمن عبقرية النظام في كيفية تعامله مع الهجمات؛ فإذا قام شخص سيئ النية بتدوير الصورة أو قص زاوية منها، فإن النظام لا يحاول التخمين أين ذهبت العلامة المائية، بل يستخدم شبكة متخصصة لتحديد موقع المرستين في الصورة المشوهة. ومن خلال رؤية مدى ابتعاد المرستين عن مواقعهما الأصلية، يمكن للنظام حساب التدوير أو التمديد الدقيق الذي حدث رياضياً. بعد ذلك، يقوم النظام بعكس هذه التغييرات، وإعادة محاذاة البيانات المخفية إلى حالتها الأصلية حتى يمكن قراءة العلامة المائية بوضوح.

اختبر الباحثون هذا النهج بصرامة، ووضعوه في مواجهة أكثر الأساليب الحالية تقدماً. فقد قاموا بمحاكاة سيناريو لخدمة توليد صور تضم 200,000 مستخدم مسجل مختلف، لكل منهم هويته الرقمية الفريدة. وعندما تم اختبار النظام بصور تعرضت للتدوير بزوايا عشوائية أو تم قصها وتمديدها، حافظ على دقة تحديد متوسطة بلغت 99.7%. وقد تفوق هذا الأداء بشكل كبير على الطريقة الرائدة الحالية، المعروفة باسم "WIND"، والتي انخفضت دقتها بنسبة تتراوح بين 11 إلى 18 نقطة مئوية تحت هجمات هندسية مماثلة. كما أثبت النظام الجديد أنه أسرع وأكثر كفاءة، حيث يتطلب ذاكرة حاسوبية ووقتاً أقل لمعالجة كل صورة، وهو أمر بالغ الأهمية للتوسع في التطبيقات الواقعية. علاوة على ذلك، حافظت الطريقة على الجودة البصرية للصور المولدة، مما يضمن بقاء العلامة المائية غير مرئية للعين البشرية وعدم إضعاف الناتج الفني.

وتعد النتيجة الرئيسية للدراسة أن آلية المزامنة هذه مرنة للغاية. فقد درب الفريق شبكة اكتشاف المراسي الخاصة بهم على نسخة محددة من مولد صور ذكاء اصطناعي، ومع ذلك عمل النظام بنفس الكفاءة على نسخ أخرى دون الحاجة إلى أي إعادة تدريب. تشير هذه القدرة على "التوصيل والتشغيل" (plug-and-play) إلى إمكانية نشر هذه التكنولوجيا عبر نماذج ذكاء اصطناي مختلفة دون التكلفة الباهظة لإعادة تدريب الأنظمة المعقدة لكل تحديث جديد. كما أظهر الباحثون أن النظام يمكنه تحديد المستخدم الصحيح بنجاح حتى عندما تعرضت الصورة لمجموعة من الهجمات، مثل التدوير متبوعاً بالضغط أو الضجيج. وبينما يواجه النظام بعض التحديات عندما تجتمع تعديلات السطوع الشديدة مع التشويه الهندسي، إلا أنه يمثل قفزة نوعية في جعل المصدر الرقمي قوياً ضد أكثر أشكال التلاعب بالصور شيوعاً.

تتجاوز تداعيات هذا العمل مجرد الكشف البسيط. فمن خلال ضمان بقاء العلامات المائية صامدة أمام التعديلات الأكثر شيوعاً، يوفر النظام طريقة موثوقة للغاية لمحاسبة السيئين. فإذا قام مستخدم ضار بتوليد صورة مضللة وحاول بعد ذلك إخفاء آثاره عن طريق القص أو التدوير، فلا يزال بإمكان نظام "DASMark" تقشير طبقات التشويه للكشف عن المبدع الأصلي بثقة إحصائية عالية. هذه القدرة تغير ميزان القوى في المعركة ضد التزييف العميق، من لعبة "القط والفأر" حيث يصعب تتبع التزييف، إلى نظام يكون فيه المصدر قابلاً للاسترداد بدرجة عالية من الاحتمالية، رغم إقرار الباحثين بإمكانية حدوث حالات فشل في ظل ظروف معينة وشديدة العدوانية. لقد أتاح الباحثون الكود الخاص بهم للجمهور، داعين إلى مزيد من التدقيق والتطوير، ويخططون لمواصلة تحسين النظام للتعامل مع تشوهات أكثر تعقيداً. وفي عصر لم يعد فيه التصديق قائماً على ما تراه العين، يقدم "DASMark" وسيلة لرؤية التاريخ غير المرئي للصورة، مما يضمن بقاء حقيقة أصلها سليمة.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 💻 cs →