Consistency-Aware Multimodal Media Authentication for Deepfake Detection, Tampering Localization, and Source Verification
यह शोध पत्र एक निरंतरता-जागरूक (consistency-aware) बहुविध प्रमाणीकरण ढांचे का प्रस्ताव करता है जो विजुअल फीचर्स, ड्यूल-डोमेन वॉटरमार्क साक्ष्य और संरचित प्रोवेनेंस मेटाडेटा को एकीकृत करता है ताकि डीपफेक डिटेक्शन, टैम्परिंग लोकलाइजेशन और सोर्स वेरिफिकेशन को संयुक्त रूप से निष्पादित किया जा सके, जो क्षयग्रस्त, लुप्त या विरोधाभासी साक्ष्यों की स्थितियों में पारंपरिक फ्यूजन विधियों की तुलना में बेहतर मजबूती और सटीकता प्रदर्शित 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
एक ऐसे युग में जहाँ एक तस्वीर को बदलकर किसी व्यक्ति को ऐसी बातें कहते हुए दिखाया जा सकता है जो उसने कभी नहीं कहीं, या एक वीडियो को बदलकर किसी राजनेता को उस कमरे में दिखाया जा सकता है जहाँ वह कभी गया ही नहीं, दृश्य सत्य (visual truth) की मूल अवधारणा ही संकट में है। दशकों से, विशेषज्ञ इन जालसाजी को पकड़ने के लिए पिक्सेल में सूक्ष्म, अस्वाभाविक खामियों को खोजने का प्रयास करते रहे हैं, ठीक वैसे ही जैसे एक फोरेंसिक वैज्ञानिक उंगलियों के निशान में धब्बे खोजने के लिए जांच करता है। अन्य लोगों ने फ़ाइल के भीतर ही गुप्त डिजिटल कोड, जिन्हें वॉटरमार्क कहा जाता है, छिपाकर छवियों को शुरुआत से ही सुरक्षित करने का प्रयास किया है, इस उम्मीद में कि ये कोड तस्वीर को बदलने के किसी भी प्रयास में जीवित रहेंगे। एक तीसरा दृष्टिकोण डिजिटल रसीदों, या प्रोवेनेंस रिकॉर्ड्स पर निर्भर करता है, जो क्रिप्टोग्राफ़िक रूप से लॉग करता है कि छवि किसने बनाई और बाद में उसके साथ क्या हुआ। हालाँकि, इनमें से प्रत्येक विधि की एक कमजोरी है: एक जालसाजी इतनी सटीक हो सकती है कि वह कोई दृश्य दोष न छोड़े, एक वॉटरमार्क एक साधारण क्रॉपिंग से गलती से मिटाया जा सकता है, या एक डिजिटल रसीद जाली बनाई जा सकती है। आज वैज्ञानिकों के लिए केंद्रीय चुनौती केवल इनमें से एक सुराग ढूंढना नहीं है, बल्कि यह समझना है कि जब वे अलग-अलग कहानियाँ बताते हैं तो उन्हें एक-दूसरे के विरुद्ध कैसे तौला जाए।
दक्षिण कोरिया के सोंगसिल विश्वविद्यालय के एक शोधकर्ता ने इस पहेली को सुलझाने का एक नया तरीका प्रस्तावित किया है, जो इन विभिन्न सुरागों को एक एकल जिग्सॉ के अलग-अलग टुकड़ों के रूप में नहीं, बल्कि एक अदालत में अलग-अलग आवाजों के रूप में देखता है। अक्टूबर 2026 में प्रकाशित एक अध्ययन में, उन्होंने एक ऐसी प्रणाली पेश की जो एक साथ डीपफेक की जांच करती है, सटीक रूप से पहचानती है कि छवि को कहाँ बदला गया है, और यह सत्यापित करती है कि छवि का दावा किया गया स्रोत भरोसेमंद है या नहीं। सभी साक्ष्यों को एक एकल "असली या नकली" के फैसले में जबरन डालने के बजाय, उनकी विधि दृश्य विवरणों, छिपे हुए वॉटरमार्क्स और डिजिटल रसीदों को अलग-अलग सुनती है। इसके बाद यह एक महत्वपूर्ण प्रश्न पूछती है: क्या ये तीन स्रोत एक-दूसरे से सहमत हैं? यदि दृश्य साक्ष्य सुझाव देते हैं कि चेहरा बदला गया है, लेकिन छिपा हुआ वॉटरमार्क और डिजिटल रसीद दोनों मूल निर्माता की पुष्टि करते हैं, तो यह प्रणाली इसे केवल "नकली" घोषित करने के बजाय इस विशिष्ट तनाव (tension) को पहचान लेती है।
शोधकर्ता ने अपने सिस्टम को एक जटिल वास्तविकता को संभालने के लिए बनाया है जहाँ साक्ष्य अक्सर गायब, खराब या विरोधाभासी होते हैं। उन्होंने अपने मॉडल को उच्च गुणवत्ता वाली चेहरे की छवियों के एक विशाल संग्रह का उपयोग करके प्रशिक्षित किया, जिससे हजारों ऐसे उदाहरण बनाए गए जहाँ चेहरों को बदला गया, हाव-भाव बदले गए, या पूरी छवियों को आर्टिफिशियल इंटेलिजेंस द्वारा पुन: उत्पन्न किया गया। महत्वपूर्ण रूप से, उन्होंने एक नियंत्रित वातावरण भी बनाया जहाँ वे दो अलग-अलग प्रकार के छिपे हुए वॉटरमार्क्स को एम्बेड कर सकते थे—एक जो छवि निर्माण प्रक्रिया के गणितीय "लेटेंट" (latent) स्पेस में रहता है और दूसरा जो सीधे दृश्य पिक्सेल में स्थित होता है। उन्होंने इन्हें संरचित डिजिटल रिकॉर्ड के साथ जोड़ा जो छवि के इतिहास को लॉग करता है। लक्ष्य यह देखना था कि क्या एक कंप्यूटर यह अंतर करने में सक्षम हो सकता है कि स्थिति ऐसी है जहाँ साक्ष्य गायब है (जिससे "अनिश्चित" निर्णय मिलना चाहिए) और ऐसी स्थिति जहाँ साक्ष्य सक्रिय रूप से दावे का खंडन करता है (जिससे "असत्य" निर्णय मिलना चाहिए)।
उनके प्रयोगों के परिणाम आश्चर्यजनक थे। उनके नियंत्रित संग्रह पर परीक्षण करते समय, सिस्टम ने हेरफेर की गई छवियों को सही ढंग से पहचाना, जिसका सटीकता स्कोर 0.969 था, जो उन पिछले तरीकों की तुलना में एक महत्वपूर्ण सुधार है जो सभी डेटा को एक साथ मिला देते थे। इससे भी महत्वपूर्ण बात यह है कि यह सटीक रूप से स्थान निर्धारित कर सकता था कि छवि को कहाँ सुधारा गया है, जिसका परिशुद्धता स्कोर 0.816 था, और यह निर्धारित कर सकता था कि स्रोत का दावा समर्थित है, खंडित है, या साक्ष्य अपर्याप्त है, जिसका स्कोर 0.945 था। अध्ययन ने दिखाया कि जब सिस्टम को निर्णय लेने के लिए मजबूर किया गया, भले ही कुछ साक्ष्य गायब थे या विरोधाभासी थे, तब भी इसने पुराने तरीकों से काफी बेहतर प्रदर्शन किया। उदाहरण के लिए, जब छिपे हुए वॉटरमार्क्स क्षतिग्रस्त हो गए या डिजिटल रिकॉर्ड गायब थे, तो सिस्टम घबराया या अनुमान नहीं लगाया; इसने सही ढंग से पहचान लिया कि उसके पास निश्चित निर्णय लेने के लिए पर्याप्त जानकारी की कमी है, एक ऐसी क्षमता जो पुराने सिस्टमों में अक्सर नहीं होती थी।
सबसे महत्वपूर्ण निष्कर्षों में से एक यह था कि सिस्टम इंटरनेट की अव्यवस्थित वास्तविकता को संभाल सकता है, जहाँ एक छवि संपादित की जा सकती है लेकिन फिर भी अपने मूल निर्माता के डिजिटल हस्ताक्षर को बरकरार रख सकती है। कई मामलों में, एक तस्वीर में हेरफेर किया जा सकता है—मान लीजिए, एक चेहरे को दूसरे शरीर पर लगाया गया है—फिर भी छिपा हुआ वॉटरमार्क और डिजिटल रसीद अभी भी मूल जनरेटर की सही पहचान करेंगे। पुराने सिस्टम अक्सर यहाँ विफल हो जाते थे, या हेरफेर को मिस कर देते थे क्योंकि हस्ताक्षर वैध थे, या हस्ताक्षर को गलत तरीके से खारिज कर देते थे क्योंकि छवि संपादित थी। हालाँकि, नई विधि ने इन दो कार्यों को सफलतापूर्वक अलग कर दिया। यह छवि को हेरफेर की गई बता सकती थी और साथ ही पुष्टि कर सकती थी कि इसके मूल के बारे में दावा उपलब्ध साक्ष्यों द्वारा समर्थित है। यह भेद महत्वपूर्ण है क्योंकि यह स्वीकार करता है कि सामग्री का एक हिस्सा परिवर्तित और मूल रूप से प्रामाणिक दोनों हो सकता है, एक ऐसा सूक्ष्म अंतर जिसे बाइनरी "असली या नकली" डिटेक्टर अक्सर छोड़ देते हैं।
शोधकर्ता ने यह भी परीक्षण किया कि उनका सिस्टम दबाव में कितनी अच्छी तरह काम करता है, ऑनलाइन साझा किए जाने पर छवियों को होने वाले नुकसान का अनुकरण करते हुए, जैसे कि संपीड़न (compression), रीसाइज़िंग, या क्रॉपिंग। उन्होंने पाया कि जबकि भारी संपादन या छवि का पूर्ण पुनरुत्पादन कार्य को कठिन बना देता है, सिस्टम मजबूत बना रहता है। यहाँ तक कि जब आक्रामक फ़िल्टरिंग द्वारा छिपे हुए वॉटरमार्क्स आंशिक रूप से नष्ट हो गए या जब डिजिटल रिकॉर्ड गायब थे, तब भी सिस्टम विश्वसनीय मूल्यांकन करने के लिए शेष सुरागों पर भरोसा कर सकता था। उन परिदृश्यों में जहाँ दृश्य साक्ष्य, वॉटरमार्क्स और रिकॉर्ड तीनों अलग-अलग कहानियाँ बताते थे, सिस्टम की उनकी विश्वसनीयता को तौलने की क्षमता ने इसे उच्च स्तर की सटीकता बनाए रखने की अनुमति दी, जबकि सरल सिस्टम जो केवल डेटा को एक साथ मिला देते थे, वे विफल हो गए।
यह कार्य सुझाव देता है कि मीडिया प्रमाणीकरण का भविष्य हर जालसाजी का पता लगाने के लिए एक "जादुई गोली" (magic bullet) खोजने में नहीं है, बल्कि ऐसे सिस्टम बनाने में है जो विभिन्न प्रकार के साक्ष्यों के बीच संबंधों को समझते हैं। दृश्य निशानों, छिपे हुए कोड और डिजिटल लॉग को सत्य के अलग-अलग लेकिन संबंधित स्रोतों के रूप में मानकर, शोधकर्ता ने एक ऐसा ढांचा तैयार किया है जो आज छवियों के हेरफेर और साझा किए जाने के जटिल तरीकों के प्रति अधिक लचीला है। अध्ययन यह दावा नहीं करता है कि उसने डीपफेक की समस्या को पूरी तरह से हल कर लिया है, न ही यह वादा करता है कि हर संपादित छवि का पूरी तरह से पता लगाया जा सकता है। इसके बजाय, यह अनिश्चितता के बीच नेविगेट करने का एक अधिक परिष्कृत तरीका प्रदान करता है, जो हमें न केवल यह बताने का उपकरण देता है कि कब कुछ गलत है, बल्कि यह भी कि कब हमारे पास जानने के लिए पर्याप्त जानकारी नहीं है। जैसे-जैसे जेनेरेटिव टूल्स अधिक शक्तिशाली होते जा रहे हैं, एक गायब सुराग और एक विरोधाभासी सुराग के बीच अंतर करने की यह क्षमता जो हम देखते हैं उस पर विश्वास बनाए रखने की कुंजी हो सकती 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।