Détection Consciente du Contenu de la Manipulation des Métadonnées Temporelles

La plupart des images partagées en ligne sont accompagnées de métadonnées temporelles (c'est-à-dire, la date et l'heure à laquelle elles ont été prises), ce qui permet d'associer le contenu d'une image à des événements du monde réel. La manipulation malveillante de ces métadonnées peut transmettre une version déformée de la réalité. Dans cette étude, nous présentons le problème émergent de la détection de la manipulation des horodatages. Nous proposons une approche globale pour vérifier si l'heure supposée de prise d'une image extérieure est cohérente avec son contenu et sa localisation géographique. Nous considérons les manipulations effectuées sur l'heure et/ou le mois de prise d'une photographie. L'idée centrale est l'utilisation d'une vérification supervisée de la cohérence, dans laquelle nous prédisons la probabilité que le contenu de l'image, l'heure de prise et la localisation géographique soient cohérents. Nous incluons également deux tâches auxiliaires, qui peuvent être utilisées pour expliquer la décision du réseau. Notre approche améliore les travaux précédents sur un grand ensemble de données de référence, en augmentant la précision de classification de 59,0 % à 81,1 %. Nous menons une étude par suppression (ablation study) qui souligne l'importance des différents composants de la méthode, montrant quels types de falsifications peuvent être détectés grâce à notre approche. Enfin, nous démontrons comment la méthode proposée peut être utilisée pour estimer une heure possible de prise en cas d'absence d'horodatage dans les métadonnées.