Score-based Likelihood Ratios for Deepfake Image Evidence Using Deep Learning Features
यह शोध पत्र एक फोरेंसिक रूप से अनुपालन योग्य, स्कोर-आधारित लाइकलीहुड रेश्यो (संभावना अनुपात) ढांचे का प्रस्ताव करता है जो डीपफेक छवियों की साक्ष्य शक्ति को मात्रात्मक रूप से मापने के लिए SRM डीप लर्निंग फीचर्स और कैलिब्रेटेड सांख्यिकीय मॉडलिंग का लाभ उठाता है, जो न्यायिक निर्णय लेने के लिए व्याख्या योग्य, संख्यात्मक रूप से आधारित मूल्यांकन प्रदान करके पारंपरिक बाइनरी डिटेक्शन की सीमाओं को दूर करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
अदालत में, साक्ष्य का भार शायद ही कभी "हाँ" या "नहीं" का सरल मामला होता है। जब डिजिटल मीडिया के किसी टुकड़े को प्रमाण के रूप में प्रस्तुत किया जाता है, तो प्रश्न केवल यह नहीं होता कि वह असली है या नकली, बल्कि यह होता है कि डेटा एक निष्कर्ष के पक्ष में दूसरे की तुलना में कितनी मजबूती से समर्थन करता है। दशकों से, फॉरेंसिक विशेषज्ञ छेड़छाड़ का पता लगाने के लिए लाइटिंग, छाया और डिजिटल फिंगरप्रिंट्स के विश्लेषण पर भरोसा करते आए हैं। हालाँकि, आर्टिफिशियल इंटेलिजेंस की एक नई पीढ़ी ने खेल बदल दिया है। ये सिस्टम अब वीडियो और फोटो में चेहरों को इतनी सटीकता से बदल सकते हैं कि उनके परिणाम मानवीय आंखों के लिए, यहाँ तक कि प्रशिक्षित विशेषज्ञों के लिए भी, वास्तविकता से अलग पहचानना असंभव हो जाता है। पारंपरिक उपकरण जो स्पष्ट त्रुटियों या लुप्त डेटा की तलाश करते हैं, वे अक्सर विफल हो जाते हैं क्योंकि ये नए जालसाजी (forgeries) पूर्ण दिखने के लिए बनाई जाती हैं। यह एक महत्वपूर्ण अंतर पैदा करता है: कानूनी प्रणाली को एक ऐसे तरीके की आवश्यकता है जिससे साक्ष्य की शक्ति को मापा जा सके जब छवि स्वयं दोषरहित दिखती हो, जो एक बाइनरी अनुमान से आगे बढ़कर एक गणनात्मक संभावना की ओर बढ़ सके।
इस अंतर को पाटने के लिए, शोधकर्ताओं तियानली गुओ, पेंगजी चेन, रुई लू और युनकी तांग ने डीपफेक छवियों के मूल्यांकन के लिए एक नई विधि विकसित की है, जो इस समस्या को एक साधारण वर्गीकरण कार्य के बजाय एक सांख्यिकीय प्रश्न के रूप में देखती है। कंप्यूटर को "नकली" या "असली" चिल्लाने के लिए प्रशिक्षित करने के बजाय, उनका सिस्टम यह मापता है कि एक संदिग्ध छवि ज्ञात, वास्तविक चेहरों के संग्रह से कितनी निकटता से मेल खाती है। वे शुरुआत में एक विशेष न्यूरल नेटवर्क का उपयोग करते हैं—जो कि सूक्ष्म, उच्च-आवृत्ति वाले पैटर्न को पहचानने के लिए डिज़ाइन किया गया एक प्रकार का आर्टिफिशियल इंटेलिजेंस है जिसे मानवीय आंखें नहीं देख सकतीं—ताकि प्रत्येक छवि से एक अद्वितीय डिजिटल फिंगरप्रिंट निकाला जा सके। ये फिंगरप्रिंट केवल साधारण संख्याएं नहीं हैं, बल्कि बनावट और संरचना के जटिल मानचित्र हैं। शोधकर्ता फिर उनके द्वारा एकत्र की गई सभी वास्तविक छवियों के औसत फिंगरप्रिंट की गणना करते हैं, जिससे एक केंद्रीय संदर्भ बिंदु, या "सेंट्रॉइड" (centroid) बनता है, जो प्रमाणिकता के आदर्श का प्रतिनिधित्व करता है।
उनके कार्य का मुख्य हिस्सा एक नई, अज्ञात छवि और वास्तविक चेहरों के इस केंद्रीय बिंदु के बीच की दूरी को मापना है। यदि कोई छवि वास्तव में वास्तविक है, तो उसका डिजिटल फिंगरप्रिंट वास्तविक समूह के केंद्र के बहुत करीब होना चाहिए। यदि वह एक डीपफेक है, भले ही वह उच्च गुणवत्ता वाला क्यों न हो, तो उसका फिंगप्रिंट इस केंद्र से दूर हट जाएगा। शोधकर्ताओं ने हजारों वास्तविक और नकली छवियों की तुलना करके इस दृष्टिकोण का परीक्षण किया, और यह सटीक रूप से मानचित्रित किया कि ये दूरियां कैसे वितरित होती हैं। उन्होंने पाया कि हालांकि कुछ जालसाजी वास्तविकता की नकल करने में बहुत कुशल हैं, फिर भी वे एक सांख्यिकीय निशान छोड़ देती हैं जो उन्हें वास्तविक फोटो की तुलना में वास्तविक समूह के केंद्र से दूर धकेल देता है। 'कर्नेल डेंसिटी एस्टीमेशन' नामक एक गणितीय तकनीक का उपयोग करके, उन्होंने इन दूरियों को एक 'लाइकलीहुड रेशियो' (likelihood ratio) में बदल दिया। यह अनुपात एक पैमाने के रूप में कार्य करता है, जो एक फॉरेंसिक परीक्षक को ठीक से बताता है कि छवि के नकली होने की संभावना की तुलना में उसके वास्तविक होने की संभावना कितनी अधिक है, न कि केवल एक अस्पष्ट आत्मविश्वास स्कोर प्रदान करता है।
यह सुनिश्चित करने के लिए कि यह प्रणाली अदालत में विश्वसनीय हो, टीम ने कई स्तरों के कठोर परीक्षण और सुधार लागू किए। उन्होंने अपने परिणामों को कैलिब्रेट करने के लिए 'पूल एडजेसेंट वॉयलेटर्स एल्गोरिदम' नामक एक विधि का उपयोग किया, जिससे यह सुनिश्चित हुआ कि उनके द्वारा उत्पन्न संख्याएं साक्ष्य की वास्तविक संभावना को सटीक रूप से दर्शाती हैं। डीपफेक छवियों के एक विशिष्ट डेटासेट पर उनके परीक्षणों ने दिखाया कि सिस्टम उच्च स्तर की सटीकता के साथ वास्तविक और नकली के बीच अंतर कर सकता है, जिसमें केवल लगभग 6.75% मामलों में ही त्रुटि होती है। इसके अलावा, उन्होंने सांख्यिकीय मॉडलिंग की एक सामान्य समस्या को संबोधित किया जहाँ चरम मान (extreme values) भ्रामक निष्कर्षों की ओर ले जा सकते हैं। अनुभवजन्य सीमाएं (empirical boundaries) निर्धारित करके, उन्होंने यह सुनिश्चित किया कि सिस्टम कभी भी ऐसा परिणाम न दे जो एक यादृच्छिक अनुमान (random guess) से कम विश्वसनीय हो, जिससे सबसे चरम और अनिश्चित भविष्यवाणियों को प्रभावी रूप से काट दिया गया। यह प्रक्रिया, जिसे वे 'एम्पिरिकल लोअर एंड अपर बाउंड मेथड' कहते हैं, ने सबसे चरम डेटा बिंदुओं में से 9% से भी कम को छाँट दिया, जिससे परिणामों का एक मजबूत और विश्वसनीय सेट प्राप्त हुआ।
निष्कर्ष दर्शाते हैं कि वर्तमान डीपफेक डिटेक्टरों की सीमाओं से आगे निकलना संभव है, जो अक्सर निश्चित थ्रेशोल्ड (fixed thresholds) पर निर्भर करते हैं जिन्हें आसानी से धोखा दिया जा सकता है। डीप लर्निंग फीचर्स को सावधानीपूर्वक सांख्यिकीय मॉडलिंग के साथ जोड़कर, शोधकर्ताओं ने एक ऐसा पाइपलाइन बनाया है जो साक्ष्य की शक्ति का एक मात्रात्मक, व्याख्या योग्य माप उत्पन्न करता है। यह दृष्टिकोण यह दावा नहीं करता है कि यह हर मामले को तुरंत हल करने वाला कोई जादुई समाधान है, बल्कि यह एक फॉरेंसिक रूप से अनुपालन योग्य ढांचा प्रदान करता है जो कानूनी साक्ष्य के मानकों के अनुरूप है। यह प्रणाली वास्तविक और नकली छवियों के बीच के जटिल, अदृश्य अंतरों को सफलतापूर्वक एक स्पष्ट, संख्यात्मक मान में अनुवादित करती है जिसे न्यायिक सेटिंग में समझा और तौला जा सकता है। जबकि वर्तमान अध्ययन विशिष्ट डेटासेट्स के भीतर फेस-स्वैपिंग डीपफेक्स पर केंद्रित है, यह विधि एक ऐसे कानूनी तंत्र के लिए एक आशाजनक मार्ग प्रदान करती है जिसे सटीकता और विश्वास के साथ तेजी से जटिल होते डिजिटल परिदृश्य को नेविगेट करने की आवश्यकता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।