Wie kann ich feststellen, ob ein Foto echt oder gefälscht ist?

Wie kann ich feststellen, ob ein Foto bearbeitet oder bearbeitet wurde? Gibt es Techniken, um echte Fotos von Fälschungen zu unterscheiden?

Gibt es Software-Tools, die helfen können? Gibt es Dinge, die ich in Photoshop oder einer anderen Bildbearbeitungssoftware tun kann, um die Wahrheit zu enthüllen?

Es gibt verschiedene Möglichkeiten, die Richtigkeit eines Bildes zu bestimmen, um festzustellen, ob es eine eindeutige Erfassung einer einzelnen Szene darstellt:

Inkonsistenzen auf Bilddatenebene

Bestimmte Verarbeitungsvorgänge führen zu verräterischen "Signaturen", die in die Daten eingebettet sind und für das Auge häufig unsichtbar sind, aber durch statistische Analyse identifiziert werden können. Das beste Beispiel hierfür ist die verlustbehaftete Bildkomprimierung, z. B. JPEG. JPEG arbeitet im Frequenzbereich und entfernt je nach Komprimierungsgrad Frequenzen, die unter einem bestimmten Schwellenwert liegen. Wenn ein Bild also unterschiedliche Bereiche mit unterschiedlichen Mustern fehlender Frequenzen enthält, besteht es höchstwahrscheinlich aus separaten Bildern, die zuvor mit unterschiedlichen Komprimierungsstufen gespeichert wurden. Diese Technik funktioniert nicht bei Quellbildern hoher Qualität oder wenn das Komposit mit einer viel höheren Komprimierungsstufe gespeichert wird.

Wiederholter Bildinhalt

Eine übliche Methode zum Entfernen von Objekten besteht darin, die umgebenden Bereiche zu kopieren, um etwas zu verdecken. Das Identifizieren von Bereichen eines Bildes, die mit anderen Bereichen identisch sind , ist ein sicheres Zeichen für Manipulationen. Selbst wenn die Szene echte wiederholte Details enthält, unterscheiden sie sich aufgrund von Größe / Perspektive / Beleuchtung / Rauschen im Erscheinungsbild. Ein gutes Beispiel hierfür ist das iranische Raketenstartbild, in dem Raketen geklont werden, um zahlreicher zu erscheinen:

Inkonsistente Beleuchtung / Perspektive

Einige Bilder sind aufgrund von Inkonsistenzen in der Beleuchtungsrichtung nicht möglich. Wenn also die Szene deutlich von links beleuchtet wird und ein Objekt einen Schatten nach links (in Richtung der Lichtquelle) wirft, ist es wahrscheinlich, dass das Objekt künstlich hinzugefügt wurde. Ebenso mit Perspektive, wenn Sie die Oberseite eines Objekts sehen können, aber nicht eines anderen, sind sie entweder nicht parallel oder eines wurde komponiert. Diese Art der Analyse kann kompliziert sein, wenn es viele Lichtquellen gibt oder wenn andere Teile der Szene vorhanden sind täuschend (Oberflächen werden als flach angenommen, wenn sie nicht sind). Bei den Mondlandungsfotos wurde festgestellt, dass sie Schatten in verschiedene Richtungen haben. Die Schattenrichtungen können sich jedoch unterscheiden, wenn sie sich in der Nähe einer Lichtquelle befinden oder wenn die Oberflächen, die Schatten empfangen, nicht parallel sind (z. B. die holprige Mondoberfläche). Ebenso kann die Perspektivanalyse fehlschlagen, wenn bestimmte Annahmen (z. B. Objekte gleicher Größe, Wände sind parrellel usw.) falsch sind. Hier ist ein berühmtes Beispiel, das folgende Bild wird nicht behandelt:

Es sieht einfach falsch aus

Dies ist die häufigste und manchmal am wenigsten zuverlässige Methode. Das Gehirn ist es gewohnt, echte * Bildinformationen aus den Augen zu sehen. Etwas im Bild sieht nicht echt aus, es ist ein interner Mustervergleich fehlgeschlagen. Es könnte sich um eine subtile Inkonsistenz der Beleuchtung handeln, um einen scheinbaren Umriss oder um eine höchst ungewöhnliche Schattierung. Der erste Grund, warum dieser Ansatz unzuverlässig ist, ist, dass Kameras nicht wie das Auge funktionieren. Der zweite Grund ist, dass die Menschen jetzt an die Idee gewöhnt sind, dass Bilder häufig manipuliert werden, und häufig nach Inkonsistenzen suchen, die nicht vorhanden sind, eine Überanalyse durchführen und alles, was "seltsam" aussieht, als Beweis für eine Manipulation herangezogen wird.

Psychologie / gesunder Menschenverstand

Schließlich müssen Sie sich fragen, ob ein Motiv für eine Manipulation vorliegt. Hat der potenzielle Täter etwas zu gewinnen? Ist es überhaupt plausibel, dass das Foto nicht echt ist? Die Mondlandungen sind ein weiteres Beispiel dafür - ist es plausibel, dass die Anzahl der beteiligten Personen so lange schweigen konnte?

Keine dieser Techniken (außer vielleicht perspektivischen Inkonsistenzen) gilt für reale, nicht ausgewählte Fotos von Szenen, die selbst gefälscht oder so fotografiert sind, dass sie den Betrachter täuschen. Ein gutes Beispiel dafür sind die berühmten Cottingley_Fairies- Bilder. In diesem Fall waren die Fotos echt, aber die Feen waren aus Karte!

Während Sie nicht sicher wissen können, kann die Website fotoforensics.com einige Einblicke geben. Lesen Sie unbedingt das Tutorial und überprüfen Sie es diesen Link für Ihr Bild:

Aus ihrer Analyse würde ich vermuten, dass das Foto nicht behandelt wurde.

Ich bin sowieso nicht mit dieser Seite verbunden, obwohl ich denke, dass es ziemlich interessant ist.

Harry Farid http://www.cs.dartmouth.edu/farid/ ist ein Professor in Dartmouth, der viel in diesem Bereich gearbeitet hat und auch eine Zusammenstellung der Arbeit anderer auf diesem Gebiet unterhält. Es gibt eine ganze Reihe von Möglichkeiten, ein manipuliertes Bild zu erkennen. Für JPEGs ist es bei weitem am einfachsten, das Bild in das Überprüfungstool hochzuladen, das er auf seiner Website hat :)

Die Untersuchung versteckter Pixel und JPEG-Quantisierungstabellen kann verwendet werden, um festzustellen, ob eine JPEG-Datei von ihrem Original geändert wurde .

Der JPEG-Komprimierungsalgorithmus

Beachten Sie, dass nur zwei Schritte absichtlich verlustbehaftet sind: Farb-Downsampling und Quantisierung. Weitere geringfügige Verluste sind auf Rundungsfehler zurückzuführen. Alle anderen Schritte sind verlustfrei.

1. Farbraum konvertieren. Falls gewünscht, verkleinern Sie die Farbinformationen (Lossy) . Wenn nicht heruntergerechnet, ist der Informationsverlust das Ergebnis eines Rundungsfehlers .

2. Segmentierung. Teilen Sie jeden Kanal in 8x8 Blöcke (MCU = Minimal Coding Unit). (Verlustfrei)

   Wenn die Bildabmessungen nicht beide durch 8 teilbar sind, muss das Bild mit zusätzlichen Pixeln aufgefüllt werden, um die MCUs zu bilden. Die Untersuchung dieser verborgenen Pixel kann einen Hinweis auf die Quelle der Bilder liefern.  (Siehe Foto Forensics: Versteckte Pixel )

   Hinweis: Wenn Farbkanäle heruntergesampelt wurden, können MCUs in Bezug auf das Originalbild effektiv 16 x 8, 8 x 16 oder 16 x 16 sein. Die MCUs sind jedoch immer noch alle 8x8-Blöcke.

3. Diskrete Cosinustransformation (DCT) auf jeder MCU. Informationsverlust ist das Ergebnis eines Rundungsfehlers .

4. Quantisierung.  Der Wert in jeder Zelle der MCU wird durch eine in einer Quantisierungstabelle (DQT) angegebene Zahl geteilt. Die Werte werden abgerundet, von denen viele Null werden. Dies ist der primäre verlustbehaftete Teil des Algorithmus.

   Unterschiedliche Einstellungen für unterschiedliche Kameras und Software verwenden unterschiedliche Quantisierungstabellen.  Wenn der DQT nicht mit dem beanspruchten Ursprung übereinstimmt, ist es unwahrscheinlich, dass die Datei das Original ist. (Siehe JPEG-Komprimierungsqualität aus Quantisierungstabellen )

   Die Schätzung der JPEG- "Qualität" ist ein indirekter Weg, um auf die DQT zu schließen. Es ist jedoch nicht endgültig. (Siehe Foto Forensics: Schätzung der JPEG-Qualität )

5. Zick-Zack-Scan. Ordnen Sie die Werte in jeder MCU in eine Folge von Zahlen um, die einem Zick-Zack-Muster folgen. Die während der Quantisierung aufgetretenen Nullen werden zusammengefasst. ( Verlustfrei )

6. DPCM = Differential Pulse Code Modulation. Konvertieren Sie die Zahlenfolgen in ein Formular, das einfacher zu komprimieren ist. ( Verlustfrei )

7. RLE = Run Length Encoding. Aufeinanderfolgende Nullen werden komprimiert. (Verlustfrei)

8. Entropie / Huffman-Codierung. (Verlustfrei)

Dienstprogramme

• Unter Windows kann JPEG Snoop verwendet werden, um JPEG-Dateien zu untersuchen.

• Exiftool kann auch zum Anzeigen der Quantisierungstabelle verwendet werden:

  exiftool -v3 image.jpg | grep -v RST