اكتشاف التلاعب بالمetadata الزمنية وفقًا للمحتوى

معظم الصور المشتركة عبر الإنترنت تأتي مصحوبة ببيانات زمنية (أي، اليوم والوقت الذي تم التقاطها فيه)، مما يجعل من الممكن ربط محتوى الصورة بالأحداث الحقيقية في العالم. التلاعب الخبيث بهذه البيانات الزمنية يمكن أن ينقل نسخة مشوهة من الواقع. في هذا البحث، نقدم المشكلة الناشئة المتعلقة بكشف التلاعب بالESTAMP. نقترح نهجًا شاملًا للتحقق مما إذا كان الوقت المزعوم لالتقاط صورة خارجية متسقًا مع محتواها ومكانها الجغرافي. نأخذ بعين الاعتبار التلاعب الذي يتم في الساعة و/أو الشهر الذي تم فيه التقاط الصورة. الفكرة الأساسية هي استخدام التحقق من الاتساق تحت إشراف، حيث نتوقع احتمالية أن يكون محتوى الصورة، وقت التقاطها، والموقع الجغرافي متسقين. كما نتضمن مهمة فرعية زوجية يمكن استخدامها لتوضيح قرار الشبكة العصبية. يحسن نهجنا على الأعمال السابقة في مجموعة بيانات مقاييس كبيرة، حيث يزيد دقة التصنيف من 59.0٪ إلى 81.1٪. نقوم بدراستنا الاستبعادية التي تسلط الضوء على أهمية مختلف مكونات الطريقة، وتظهر أنواع التلاعب التي يمكن كشفها باستخدام نهجنا. وأخيراً، نوضح كيف يمكن استخدام الطريقة المقترحة لتقدير وقت التقاط محتمل في السيناريوهات التي تكون فيها البيانات الزمنية غائبة عن البيانات الوصفية.请注意，"TIMESTAMP" 在这里被翻译为 "ESTAMP" 可能是因为这是一个笔误。正确的翻译应该是 "الタイムESTAMP" (الخ TIMESTAMP). 但是，由于阿拉伯语中没有直接对应的词汇，通常会保留英文单词并加注释。因此，建议将其翻译为 "الخ.timestamp" 或者直接使用 "الタイムESTAMP" 并在括号中标注原文。修正后的版本如下：معظم الصور المشتركة عبر الإنترنت تأتي مصحوبة ببيانات زمنية (أي، اليوم والوقت الذي تم التقاطها فيه)، مما يجعل من الممكن ربط محتوى الصورة بالأحداث الحقيقية في العالم. التلاعب الخبيث بهذه البيانات الزمنية يمكن أن ينقل نسخة مشوهة من الواقع. في هذا البحث، نقدم المشكلة الناشئة المتعلقة بكشف التلاعب بالـtimestamp (الخ.timestamp). نقترح نهجًا شاملًا للتحقق مما إذا كان الوقت المزعوم لالتقاط صورة خارجية متسقًا مع محتواها ومكانها الجغرافي. نأخذ بعين الاعتبار التلاعب الذي يتم في الساعة و/أو الشهر الذي تم فيه التقاط الصورة. الفكرة الأساسية هي استخدام التحقق من الاتساق تحت إشراف، حيث نتوقع احتمالية أن يكون محتوى الصورة، وقت التقاطها، والموقع الجغرافي متسقين. كما نتضمن مهمة فرعية زوجية يمكن استخدامها لتوضيح قرار الشبكة العصبية. يحسن نهجنا على الأعمال السابقة في مجموعة بيانات مقاييس كبيرة، حيث يزيد دقة التصنيف من 59.0٪ إلى 81.1٪. نقوم بدراستنا الاستبعادية التي تسلط الضوء على أهمية مختلف مكونات الطريقة، وتظهر أنواع التلاعب التي يمكن كشفها باستخدام نهجنا. وأخيراً، نوضح كيف يمكن استخدام الطريقة المقترحة لتقدير وقت التقاط محتمل في السيناريوهات التي تكون فيها البيانات الزمنية غائبة عن البيانات الوصفية.希望这对你有帮助！