Platform Drift in Social-Media Image Forgery Detection and Localization: An Application-Level Analysis

डिजिटल जासूस की दुविधा

कल्पना कीजिए कि आप एक जासूस हैं जो एक रहस्य को सुलझाने की कोशिश कर रहे हैं, लेकिन हर बार जब आप किसी सुराग को देखते हैं, तो एक शरारती ग्रेमलिन (छोटा राक्षस) चुपके से आता है और उसमें थोड़ा सा बदलाव कर देता है। शायद वह उंगलियों के निशान को धुंधला कर दे, शर्ट का रंग बदल दे, या फोटो के एक कोने को काट दे। यह उन डिजिटल जासूसों की दैनिक वास्तविकता है जो नकली छवियों (इमेज) का शिकार करते हैं। विज्ञान की दुनिया में, इस क्षेत्र को इमेज फोरेंसिक कहा जाता है। इसका काम एक तस्वीर को देखना और यह तय करना है: "क्या यह असली है, या इसमें छेड़छाड़ की गई है?"

ऐसा करने के लिए, जासूस विशेष कंप्यूटर प्रोग्रामों (जिन्हें अक्सर डीप लर्निंग कहा जाता है) का उपयोग करते हैं जो सुपर-पावर्ड आवर्धक लेंस (मैग्नीफाइंग ग्लास) की तरह काम करते हैं। वे उन सूक्ष्म, अदृश्य निशानों को देखते हैं जो किसी ने फोटो को एडिट करते समय पीछे छोड़े होते हैं, जैसे कि वहां एक धब्बा जहाँ चेहरा चिपकाया गया हो, या एक अजीब पैटर्न जहाँ बैकग्राउंड को हटा दिया गया हो। लेकिन यहाँ एक पेंच है: अधिकांश प्रोग्राम एक शांत, आदर्श प्रयोगशाला में प्रशिक्षित होते हैं। उन्होंने यह नहीं देखा है कि वास्तविक दुनिया में फोटो के साथ क्या होता है।

जब आप फेसबुक, व्हाट्सएप या वीचैट जैसे सोशल मीडिया प्लेटफॉर्म पर कोई फोटो पोस्ट करते हैं, तो प्लेटफॉर्म उसे केवल दिखाता ही नहीं है; वह उसे प्रोसेस भी करता है। वह स्पेस बचाने के लिए फाइल को सिकोड़ देता है, रंगों को थोड़ा बदल देता है, और इमेज के साथ जुड़ी डिजिटल "रसीद" (मेटाडेटा) को फिर से लिख देता है। यह प्रक्रिया वैसी ही है जैसे आपकी एकदम सटीक सुराग वाली फोटो को वॉशिंग मशीन में चला देना। सवाल सिर्फ यह नहीं है कि "क्या जासूस नकली चीज़ को पकड़ सकता है?" बल्कि यह है कि "क्या जासूस नकली चीज़ को तब भी पकड़ सकता है जब फोटो सोशल मीडिया की वॉशिंग मशीन से होकर गुजरी हो?" यदि फोटो बहुत अधिक बदल जाती है, तो जासूस अपराध को पूरी तरह से मिस कर सकता है, या इससे भी बुरा, एक निर्दोष फोटो पर नकली होने का आरोप लगा सकता है। इसीलिए शोधकर्ता "रोबस्टनेस" (मजबूती) पर गहराई से ध्यान देते हैं—यह सुनिश्चित करने के लिए कि उनके डिजिटल आवर्धक लेंस तब भी काम करें जब सुराग थोड़े अस्त-व्यस्त हो जाएं।

द सोशल मीडिया स्मज टेस्ट (सोशल मीडिया धब्बा परीक्षण)

इस अध्ययन में, शोधकर्ताओं की एक टीम ने एक हाई-टेक फोरेंसिक सिस्टम को अंतिम स्ट्रेस टेस्ट (तनाव परीक्षण) से गुजरने का निर्णय लिया। उन्होंने REFORGE नामक एक सिस्टम लिया, जो पहले से ही नकली इमेज खोजने और यह दिखाने वाला एक नक्शा (एक "मास्क") बनाने में काफी अच्छा है कि फरेब कहाँ हुआ है। लेकिन केवल यह पूछने के बजाय कि, "क्या इसने नकली चीज़ को ढूंढ लिया?", उन्होंने अधिक सूक्ष्म प्रश्न पूछा: "विभिन्न सोशल मीडिया ऐप्स के माध्यम से फोटो जाने पर जवाब में कितना 'हिलना-डुलना' (विगल) हुआ?"

इसे इस तरह सोचें: यदि आप अपने दोस्त से पूछते हैं, "क्या यह बिल्ली है या कुत्ता?" और वह कहता है "बिल्ली", तो यह एक बाइनरी निर्णय है। लेकिन यदि आप उसे फिर से एक फनहाउस मिरर (अजीब दिखने वाले दर्पण) के माध्यम से वही तस्वीर दिखाते हैं और फिर पूछते हैं, तो क्या वह अभी भी कहता है "बिल्ली"? और यदि वह ऐसा करता है, तो क्या वह उतना ही आश्वस्त लगता है? क्या वह चेहरे पर बिल्कुल उसी जगह की ओर इशारा करता है? शोधकर्ता इस "हिलने-डुलने" को मापना चाहते थे, जिसे वे प्लेटफॉर्म ड्रिफ्ट कहते हैं।

उन्होंने चार अलग-अलग प्रकार की नकली तस्वीरों (CASIA, Columbia, DSO, और NIST16 नामक डेटासेट्स से) का उपयोग करके एक विशाल प्रयोग आयोजित किया और उन्हें चार अलग-अलग सोशल मीडिया दिग्गजों: फेसबुक, वीचैट, वीबो और व्हाट्सएप के माध्यम से चलाया। प्रत्येक फोटो के लिए, उन्होंने मूल संस्करण की तुलना उस संस्करण से की जो ऐप के दूसरी ओर से बाहर आया था। उन्होंने तीन विशिष्ट चीजों को मापा:

1. कॉन्फिडेंस ड्रिफ्ट (विश्वास का उतार-चढ़ाव): क्या कंप्यूटर का यकीन बदला? (जैसे, 99% निश्चित से 94% निश्चित होना)।
2. एरिया ड्रिफ्ट (क्षेत्र का उतार-चढ़ाव): क्या "फेटिंग मैप" (नकली दिखाने वाला नक्शा) बड़ा या छोटा हुआ? (जैसे, कंप्यूटर ने सोचा कि नकली हिस्सा इमेज का 10% है, लेकिन फेसबुक के बाद, उसे लगा कि यह 12% है)।
3. रीजन ड्रिफ्ट (क्षेत्र का उतार-चढ़ाव): क्या नकली हिस्सा टुकड़ों में टूट गया या आपस में मिल गया? (जैसे, एक बड़ा नकली धब्बा दो छोटे बिंदुओं में बदल गया)।

निष्कर्ष: फैसला कायम रहता है, लेकिन विवरण डगमगाते हैं

परिणाम "बहुत अच्छी खबर!" और "इन विशिष्ट स्थानों पर सावधान रहें" का मिश्रण थे।

सबसे पहले, अच्छी खबर: कंप्यूटर का अंतिम "हाँ/नहीं" निर्णय एकदम ठोस था। 16 अलग-अलग फोटो प्रकारों और सोशल मीडिया ऐप्स के संयोजन में, सिस्टम ने अपना निर्णय कभी नहीं बदला। यदि इसने सोचा कि इमेज नकली है, तो इसने इसे नकली ही माना। यदि इसने सोचा कि यह असली है, तो यह असली ही रहा। "फ्लिप रेट" (निर्णय बदलने की दर) बिल्कुल 0% था। इसका मतलब है कि सोशल मीडिया ऐप्स ने सिस्टम को पूरी तरह से गलत कॉल करने के लिए नहीं फंसाया।

हालाँकि, विवरण डगमगा गए। जबकि अंतिम फैसला नहीं बदला, कंप्यूटर का आत्मविश्वास और "फेटिंग मैप" का आकार बदल गया, जो इस बात पर निर्भर करता था कि फोटो किस ऐप के माध्यम से गई थी।

• "डगमगाने वाले" ऐप्स: वीचैट (WeChat) और वीबो (Weibo) ने सबसे अधिक हलचल पैदा की। CASIA डेटासेट (नकली तस्वीरों का एक संग्रह जो काफी पेचीदा माना जाता है) के लिए, वीचैट ने नकली क्षेत्र के आकार में सबसे बड़े बदलाव किए। एक विशिष्ट मामले में, पता लगाए गए नकली क्षेत्र का आकार 15.114 प्रतिशत अंक बढ़ गया। यह एक बहुत बड़ा अंतर है! यह ऐसा है जैसे कंप्यूटर सोच रहा था कि नकली पैच एक डाक टिकट के आकार का है, और वीचैट के बाद, उसे लगा कि यह एक डिनर प्लेट के आकार का है।
• "स्थिर" ऐप्स: व्हाट्सएप और फेसबुक आम तौर पर अधिक स्थिर थे, जिससे डेटा में कम बदलाव आए।
• "सिकुड़ने" का प्रभाव: शोधकर्ताओं ने "रीजन ड्रिफ्ट" के साथ एक दिलचस्प रुझान देखा। सोशल मीडिया ऐप्स छोटे विवरणों के लिए वैक्यूम क्लीनर की तरह काम करते हुए प्रतीत हुए। वे छोटे, बिखरे हुए नकली धब्बों को एक बड़े धब्बे में मिलाने या उन्हें पूरी तरह से मिटाने की प्रवृत्ति रखते हैं। DSO डेटासेट पर, नकली क्षेत्रों की औसत संख्या 2.42 से घट गई। यह ऐसा है जैसे ऐप्स ने जालसाजी के खुरदरे किनारों को चिकना कर दिया, जिससे यह कई छोटे पैच के बजाय एक ठोस टुकड़े जैसा दिखने लगा।

आउटलेयर्स (अपवाद): जब चीजें अजीब हो जाती हैं

जबकि औसत बदलाव छोटे थे, शोधकर्ताओं को कुछ अत्यधिक "आउटलेयर्स" मिले—ऐसे मामले जहाँ ड्रिफ्ट बहुत बड़ा था।

• CASIA डेटासेट पर, वीबो के माध्यम से भेजी गई एक फोटो ने कंप्यूटर के आत्मविश्वास को 0.069483 से बढ़ा दिया।
• वीचैट पर एक अन्य फोटो में नकली क्षेत्र 15.114 प्रतिशत अंक सिकुड़ गया।
• DSO डेटासेट पर, व्हाट्सएप के माध्यम से भेजी गई एक इमेज में नकली क्षेत्रों की संख्या में 12 का बदलाव देखा गया।

ये आउटलेयर्स "मैट्रिक्स में गड़बड़ी" की तरह हैं। वे दिखाते हैं कि हालांकि सिस्टम आम तौर पर विश्वसनीय है, लेकिन कुछ विशिष्ट और दुर्लभ परिदृश्य हैं जहाँ एक सोशल मीडिया ऐप कंप्यूटर के देखने के तरीके को नाटकीय रूप से बदल सकता है।

भविष्य के लिए इसका क्या अर्थ है

शोधकर्ता निष्कर्ष निकालते हैं कि जबकि "बड़ी तस्वीर" (यह नकली है या असली?) सुरक्षित है, "बारीक विवरण" (ठीक कहाँ और कितना बड़ा है) उस विशिष्ट सोशल मीडिया ऐप के प्रति संवेदनशील है जिसका उपयोग किया गया है।

इसे ठीक करने के लिए, वे भविष्य के लिए दो चतुर रणनीतियों का सुझाव देते हैं:

1. "सोशल मीडिया नॉइज़" के साथ प्रशिक्षण: कंप्यूटर को केवल साफ तस्वीरों पर प्रशिक्षित करने के बजाय, उसे उन तस्वीरों का उपयोग करके सिखाएं जो पहले से ही फेसबुक, वीचैट और व्हाट्सएप से होकर गुजरी हैं। इस तरह, कंप्यूटर "ग्रेमलिन्स" की उम्मीद करना सीख जाएगा और उनके आने पर शांत रहेगा।
2. ऐप-विशिष्ट ट्यूनिंग: यदि सिस्टम को पता है कि फोटो किस ऐप से आई है, तो वह विशेष रूप से उस ऐप के लिए अपनी सेटिंग्स को समायोजित कर सकता है। यह पढ़ने बनाम ड्राइविंग के लिए अलग-अलग चश्मे पहनने जैसा है; कंप्यूटर वीचैट फोटो को देखते समय "वीचैट चश्मा" पहनेगा और व्हाट्सएप फोटो के लिए "व्हाट्सएप चश्मा" पहनेगा।

संक्षेप में, डिजिटल जासूस अपराधी को पकड़ने के लिए अभी भी पर्याप्त तेज है, लेकिन उन्हें अपने आवर्धक लेंस को इस आधार पर समायोजित करने की आवश्यकता हो सकती है कि सबूत किस सोशल मीडिया प्लेटफॉर्म से आए हैं। अध्ययन बताता है कि थोड़े अतिरिक्त प्रशिक्षण और ट्यूनिंग के साथ, ये सिस्टम हमारी अस्त-व्यस्त, ऐप-भरी दुनिया में और भी अधिक विश्वसनीय बन सकते हैं।