Deep Signature – Versteckte und robuste digitale Signaturen

Heute lassen sich realistische Bilder leicht erstellen und manipulieren. Unsere Methode prüft zuverlässig, was echt ist, um das Vertrauen in digitale Medien zu stärken.

Digitale Bilder, Audiodateien und Videos lassen sich leicht kopieren, manipulieren und verbreiten. Dieser Komfort bringt auch Nachteile mit sich: Künstler und Urheberinnen haben Mühe, ihre Urheberrechte durchzusetzen, und Fake News verbreiten sich in sozialen Medien. Deep Fakes untergraben das Vertrauen zusätzlich.

Es gibt bereits viele Technologien, um sicherzustellen, dass eine Datei von einer vertrauenswürdigen Quelle stammt und auf dem Weg nicht verändert wurde. Sogenannte aktive Methoden verlangen, dass ein Bild vorbereitet wird, bevor es manipuliert werden könnte. Dies geschieht etwa durch eine kryptografische Signatur oder ein Wasserzeichen. Im Gegensatz dazu benötigen passive Methoden keine Vorbereitung; sie nutzen forensische Tools, um nachträgliche Bearbeitungen zu erkennen.

Passive Methoden hinken hinterher, da Manipulationen immer ausgefeilter werden. Aktive Methoden können zuverlässiger sein, haben jedoch den Nachteil geringer Flexibilität: Schon wenn sich ein einzelner Pixel verändert oder beim Hochladen auf eine Plattform Metadaten entfernt werden, gilt die Datei als nicht vertrauenswürdig. Dies schränkt den Anwendungsbereich solcher aktiven Methoden stark ein.

Die am Institut für Data Science FHNW entwickelte Technologie ist eine aktive Methode, die harmlose Bearbeitungen erlaubt. Anders als bei Verfahren, die eine Signatur zusätzlich zum Bild benötigen, versteckt unsere Technologie die Verifikationsinformationen direkt im Bild selbst. Dabei fügt der Ersteller eine Nachricht hinzu, um die Herkunft des Bildes nachzuweisen. Die Empfängerin kann diese Nachricht auslesen, um zu überprüfen, ob die empfangene Datei dem Originalbild ausreichend ähnlich ist. Somit lässt sich ein Bild auch nach Anpassungen wie etwa Helligkeitsänderungen oder dem Speichern in einem anderen Dateiformat verifizieren.

Unsere Technologie basiert auf zwei Paaren von Deep-Learning-Neuronalen-Netzwerken. Zum einen haben wir ein Verfahren implementiert, mit dem ein Bild stark komprimiert und anschliessend wieder dekomprimiert werden kann, wobei ein hohes Mass an Details erhalten bleibt. Zum anderen haben wir einen Weg gefunden, diese komprimierte Information im Originalbild zu verstecken und dem Empfänger mittels eines öffentlichen Schlüssels die Möglichkeit zu geben, diese Information zu entschlüsseln.

Die Idee, eine Kopie des Originals in der Datei selbst zu verstecken, wurde bisher noch kaum erforscht. Entscheidend für den Erfolg war der hohe Komprimierungsgrad, den wir erreichten, wodurch eine detailreiche Kopie sehr wenig Platz innerhalb des Bildes benötigt.

Während dieses Projekts haben wir mit digitalen Bildern gearbeitet, doch dasselbe Konzept lässt sich auch auf Audio- und Videodateien anwenden. Wir planen, unsere Technologie zu veröffentlichen, damit andere auf unserer Grundlage eigene Verifikationstools entwickeln können. Unser Ziel ist es, weiterhin digitale Kunst geniessen zu können, Nachrichten vertrauen zu können und verifizierbare Informationen für jeden im Internet zugänglich zu machen.

Information