对人工智能生成图像软件Craiyon V3的对抗性识别方法的研究.
Weizheng Jin1, Hao Luo1, Yunqi Tang1
1School of Criminal Investigation, People's Public Security University of China, Beijing, China.
Journal of forensic sciences
|March 29, 2025
概括
这项研究提出了一种用于检测人工智能生成图像的新方法,其准确度超过99%. 该研究旨在通过提供可靠的工具来识别人工智能创建的视觉证据来确保司法公正.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 法医科学 法医科学 法医科学
背景情况:
- 扩散模型的进步使得人工智能生成的图像具有极高的现实性.
- 用人工智能生成的图像作为证据对司法公正和完整性构成重大威胁.
- 现有的识别人工智能生成内容的方法需要强大的对抗检测技术.
研究的目的:
- 开发和评估对人工智能生成图像的对抗性识别方法.
- 在司法背景下评估AI生成的图像检测模型的可靠性.
- 为评估人工智能生成图像检测的证据强度提出一个强大的框架.
主要方法:
- 使用Craiyon V3 AI图像生成软件构建一个大型数据集 (18,000张图像).
- 基于深度学习的AI生成图像检测模型的实施.
- 应用基于分数的概率比率方法来评估证据的强度.
主要成果:
- 提出的方法在多个深度学习分类器 (Swin-Transformer,ResNet-18) 中实现了超过99%的准确性.
- 概率比率模型通过严格的测试证明了有效性,包括Tippett图表.
- 该研究成功验证了对抗性识别方法的有效性.
结论:
- 开发的方法为识别人工智能生成的图像提供了可靠和准确的解决方案.
- 这项研究为在司法实践中应用人工智能生成的图像检测提供了坚实的基础.
- 这些发现支持使用先进的计算方法来维护AI时代的司法公平.
