头图

如何判断一张图片有没有被P过?社媒上的美颜照片尚属小事,但如果身份证、护照、学历证明这些重要文件和图片也能通过PS神技篡改,问题就大了。于是,江湖流传几款“鉴P技巧”,其中受到广泛肯定的主要有两种:检查图片中的异常区域如果一张图片被PS修改过,那么图片中可能会存在一些异常区域,如颜色、光线、透视关系等方面的不自然。检查这些异常区域可以帮助我们判断图片是否被PS修改过。检查图片的元数据许多数字图片都包含元数据,这些数据记录了图片的创建和修改历史。如果一张图片被PS修改过,那么元数据中通常会记录下修改的痕迹。因此,检查图片的元数据也是判断图片是否被PS修改过的一种方法。方案一:右键图片 > 点击“属性/显示简介” > 点击选项“详细信息”,下拉找到“程序名称”如果显示Photoshop,说明这个图片被PS修改过。方案二:右键图片 > 点击“重命名” > 后缀名改为“.txt”,打开这个txt文件,通过查找如果看到有显示Photoshop信息,说明这个图片被PS修改过。其中,第二种方法随着图片编辑技术的日新月异已经逐渐隐退,除了Photoshop以外,PC端、移动端各类P图软件层出不穷,而且经过社交软件的上传下载,图片元数据很难留下痕迹。第一种方法依靠肉眼鉴别,一方面,可靠性因眼力而异,较为参差;另一方面,如果鉴定篡改是工作中的常规需求,也需要消耗大量时间精力,人工成本极高。举例来讲,在企业报销流程中,财务部门需要核验大量截图、凭证的真实性,以保证财务流程的安全性。在审核环节中,可靠的篡改检测方式能提供相当大的助力。深度学习的方法为图像篡改检测提供了新的技术支持。采用神经网络模型,TextIn的检测技术能够捕捉图像在篡改过程中留下的细微痕迹,基于海量数据学习图像被篡改后统计特征的变化,智能判断图片是否被篡改。检测覆盖了复制粘贴、拼接、擦除等多种篡改形式与混合篡改,还能够定位修改区域,以热力图形式展示图像区域篡改置信度。篡改技术已在众多场景中发挥重要作用。银行业务在银行移动开户、信用卡申办、保险理赔,以及商业消费场景中,每年都会因欺诈带来巨大的资金损失与潜在风险。其中,身份信息核查是银行、保险等业务场景中的首要项。对身份证等卡证文件,TextIn图像篡改检测能够实现稳定的高检出率,并显示篡改区域与篡改置信度,助力反欺诈审查。
图片

图片
财务审核上文已经提到,在财务审批过程中,对网约车订单、付款截图、航空行程单、酒店流水等各类报销佐证单据的真实性检验是一项重要任务。手机P图工具的普及和肉眼难以分辨的P图效果对企业的财务安全性造成了严重挑战。当截图单据能被轻而易举地篡改,审核人员除非练就“火眼金睛”,否则便难以保证手中批准的流程项目是真实可靠的,而事实上,“对图捉虫”也并不是财务人员应该额外负担的工作。以网约车订单截图为例,交通费发生时间、金额都是财务审核的重点,TextIn图像篡改检测能够协助财务人员辨识截图中经过P图篡改的时间、金额数字,提升工作便利性与安全性。
图片

图片
汽车行业在汽车交易、运输等业务中,涉及大量驾驶证、行驶证真实性核查,存在迫切需求。以二手车交易为例,行驶证涉及到车辆买卖合法性,行驶证造假与核查难题给相关企业造成了相当高的经济损失风险。如图中案例所示,TextIn卡证篡改检测在驾驶证、行驶证检测中能实现良好效果,为企业规避人力消耗与经济风险。
图片
添加图片注释,不超过 140 字(可选)
图片
人事审核企业社会招聘中,HR需要对大量候选人进行背景调查及审核。其中,纳税、社保缴纳、绩效考核等过往信息,往往需要候选人以截图形式提供,由HR完成审核。截图篡改成为背景造假的常见手段之一。如下图(个人所得税APP截图)可见,TextIn图像篡改检测能够作为辅助手段,协助人事在背调、审核过程中查实相关候选人信息,提高业务效率,使调查更为可靠。
图片

图片
商场小票商场小票是消费者经手的常见票据之一。大量商场都设有以消费金额换取积分,并兑换抵扣券、停车时限或是价值较高的礼品等福利,尤其部分大型集团连锁商场常以活动丰富知名。目前,小票兑换积分一半通过小程序、APP等渠道,以线上方式进行,但在便利消费者的同时,伪造者也能借此用“以假乱真”的篡改图片牟取利益,造成商场经济损失。金额与日期数字都是篡改“重灾区”,部分伪造者会通过PS日期来重复兑换。由于小票大多数为手机拍摄,并非规整的扫描文件,更为识别增加了难度。Textin篡改检测能够帮助检出肉眼难以辨别的P图痕迹,保护正当交易活动。
图片

图片
深度学习方法,“火眼金睛”看穿伪造由于篡改手段的多样性、篡改文本的隐蔽性,文本篡改检测目前存在着众多难点,如篡改痕迹微弱、篡改文本与邻近文本高度相似等,种种难点对检测方法的精度和泛化性提出了挑战。TextIn AI图像篡改检测方案在篡改区域定位、防止误判等方面表现优异,适配多种真实场景,能够在保持极低误检率的同时,准确识别并定位图片中文本的篡改行为,从而有效保障文本信息的真实性。技术方案基于数据驱动的神经网络模型与分割模型,Backbone使用ConvNeXt作为编码器,LightHam和EANet两个网络并行作为解码器,提取篡改留下的细微痕迹。
图片
模型具有以下特点:强大的特征学习能力;可同时支持检测复制-移动、拼接、擦除多种篡改,以及混合篡改;检测准确率高、模型泛化能力强。
PS篡改检测这面“照妖镜”究竟好不好用?欢迎前来测试👇通用篡改检测:https://www.textin.com/market/detail/manipulation_detection
有任何使用问题或技术交流,随时与我们联系!


合合技术团队
23 声望5 粉丝

上海合合信息科技股份有限公司人工智能团队,在上海市领军人才合合信息董事长镇立新博士带领下,开展面向复杂多场景文字识别理解及应用的研究工作,多维度来研究解决文档图像的文字识别智能感知与结构化认知理解...