Guide alla verifica

Cosa hanno cambiato schermate e compressione JPEG nel nostro test di rilevamento IA su 60 file

Un caso di studio riproducibile con 12 fonti e 60 file su schermate, ridimensionamento, compressione JPEG, ricodifica dei metadati, credenziali C2PA e risultati del modello visivo.

Copertina dell’articolo con il titolo: Cosa hanno cambiato schermate e compressione JPEG nel nostro test di rilevamento IA su 60 file

Le schermate, il ridimensionamento e la compressione JPEG non si limitano a ridurre un file. Creano un file diverso, possono rimuovere la provenienza incorporata e modificare il punteggio di un rilevatore visivo. Abbiamo condotto un caso di studio controllato su 60 file per mostrare come questi cambiamenti siano apparsi in un piccolo campione interamente documentato.

Cosa abbiamo testato

Abbiamo selezionato 12 immagini sorgente dal repository pubblico di campioni AI Detector Arena: quattro foto da fotocamera, quattro immagini generate con Flux e quattro derivate visibilmente modificate delle foto da fotocamera. I quattro temi erano animali, arte, cibo e paesaggi.

Ogni fonte ha prodotto cinque versioni:

  • l’originale identico byte per byte;
  • una schermata reale del browser mostrata in Chrome a 1280 per 900 pixel;
  • un ridimensionamento con il lato più lungo limitato a 1024 pixel;
  • un’esportazione JPEG con qualità 60;
  • una ricodifica PNG senza metadati.

Per ogni versione abbiamo registrato hash SHA-256, formato, dimensioni, numero di byte, numero di campi EXIF, risultato C2PA e risultato grezzo del modello visivo locale di AIFakeScan. La prova ha usato c2patool 0.26.60 e `community-forensics-384.onnx` il 25 settembre 2026.

Scarica il CSV dei risultati con 60 righe. Scarica l’inventario delle fonti. Scarica le impostazioni della prova.

Cosa è successo al risultato del modello visivo

La tabella riporta il punteggio grezzo medio di quattro file in ogni cella. Sono osservazioni di questo campione, non tassi di accuratezza né probabilità calibrate.

Gruppo di origineOriginaleSchermataRidimensionataJPEG qualità 60Metadati rimossi
Foto da fotocamera0.00360.00210.01150.00200.0036
Foto visibilmente modificate0.00630.00140.01450.00310.0063
Immagini generate con Flux0.99680.85690.71510.52260.9968

Il gruppo generato è cambiato di più. Un’immagine artistica generata è passata da 0.9978 nell’originale a 0.3240 dopo il ridimensionamento e 0.0093 dopo la compressione JPEG. Un paesaggio generato è passato da 0.9900 a 0.4344 nella schermata. Altri file generati sono rimasti vicini a 1.0 dopo le stesse trasformazioni.

Questa variazione spiega perché il punteggio di una schermata non può essere trattato come il punteggio di un originale non visto. Mostra anche perché modificare un file finché un rilevatore non dà la risposta desiderata non è un metodo di revisione valido.

Cosa è successo a Content Credentials

Tutti e quattro gli originali generati contenevano un manifesto C2PA che dichiarava contenuto generato. c2patool ha indicato il manifesto come valido, ma la credenziale della firma non era nell’elenco locale di fiducia, quindi il risultato registrato era valido ma non attendibile.

La schermata, il JPEG ridimensionato, il JPEG compresso e la versione senza metadati di ciascuno di quei quattro file non avevano Content Credential incorporati. Anche gli otto file sorgente da fotocamera e modificati non avevano credenziali in nessuna versione testata.

Questo risultato riguarda questi percorsi di esportazione. Non significa che ogni ridimensionamento o editor debba rimuovere C2PA. Un flusso che supporta C2PA può conservare o sostituire una credenziale. Non significa nemmeno che un file senza credenziale sia autentico.

Cosa è successo ai metadati

Nessuno dei 12 originali selezionati esponeva campi EXIF tramite Pillow. Le versioni senza metadati non possono quindi dimostrare la rimozione di EXIF della fotocamera in questo campione. Dimostrano però che una ricodifica con pixel equivalenti cambia hash e contenitore del file anche quando il risultato del modello visivo locale rimane uguale fino alla sesta cifra decimale.

Questo limite fa parte del risultato. Non abbiamo affermato che siano stati rimossi metadati quando gli originali selezionati non ne avevano da rimuovere.

Cosa non abbiamo testato

I file selezionati non erano documentati come prodotti di un fornitore proprietario di filigrane supportato. Non abbiamo quindi eseguito una verifica ufficiale SynthID o di filigrane di altri fornitori e quei campi rimangono vuoti nel registro. Vuoto significa non eseguito, non assente.

Non abbiamo nemmeno caricato questi file sulle piattaforme social. Nessuna conclusione qui descrive cosa una particolare piattaforma conservi o rimuova.

Come controllare le tue versioni

  1. Conserva il primo file disponibile prima di aprirlo in un editor.
  2. Calcola l’hash e assegna un’etichetta a ogni versione. Non sovrascrivere l’originale.
  3. Usa il verificatore C2PA su ogni file per vedere se una credenziale è presente e se la validazione è stata completata.
  4. Se sospetti che la fonte sia l’IA di Google, segui il percorso di verifica SynthID per ogni versione pertinente.
  5. Esegui il rilevatore di immagini IA e registra il report completo e i limiti invece di copiare un solo punteggio.
  6. Descrivi il risultato come relativo al file esatto verificato.

Limiti di questo caso di studio

Il campione contiene quattro immagini per gruppo di origine e quattro temi. È stato selezionato per mostrare un metodo riproducibile, non per stimare l’accuratezza sulla popolazione. Il gruppo modificato ha usato una sola procedura di modifica visibile. Il modello locale è una sola versione di un rilevatore. Le filigrane dei fornitori e la distribuzione sulle piattaforme social non sono state testate. Per controllare i riepiloghi precedenti si dovrebbe usare il registro completo a livello di singola riga.

Domande frequenti

Una schermata elude ogni rilevatore di immagini IA?

No. In questo campione alcune schermate generate sono rimaste vicine al punteggio originale, mentre altre sono cambiate notevolmente. Una schermata è un nuovo input e va descritta come tale.

L’assenza di C2PA prova che un’immagine è reale?

No. Significa che in quel file non è stata trovata una credenziale utilizzabile. Molti file autentici e generati non hanno credenziali incorporate.

Il punteggio visivo grezzo è una percentuale di accuratezza?

No. È il risultato di un modello osservato per un file. Questo esperimento non stima sensibilità, specificità o accuratezza generale.

Domande e risposte

Una schermata elude ogni rilevatore di immagini IA?

No. Alcune schermate generate in questo campione sono rimaste vicine al punteggio originale, mentre altre sono cambiate notevolmente.

L’assenza di C2PA prova che un’immagine è reale?

No. Significa solo che in quel preciso file non è stata trovata una credenziale utilizzabile.

Il punteggio visivo è una percentuale di accuratezza?

No. È il risultato di un modello per un file e questo caso di studio non stima l’accuratezza generale.

Fonti

  1. AI Detector Arena benchmark dataset — AI Detector Arena
  2. C2PA public test files and verifier context — C2PA
  3. c2patool release 0.26.60 — Content Authenticity Initiative
  4. AIFakeScan 60-row experiment record — AIFakeScan