Нейросети для редактирования фото стирают «отпечаток» камеры: доказать подлинность снимка больше нельзя

Тема набрала остроту после серии исследований 2023-2024 годов. Авторы этих работ прямо пишут: диффузия уничтожает сам сигнал, на который опиралась экспертиза, и называют такое редактирование «полностью регенеративным». Для тех, кто публикует фотоконтент и хочет сохранить доказуемое авторство, это не абстрактная угроза, а практическая проблема уже сегодня.

Как устроен механизм потери?

У каждой матрицы фотоаппарата есть производственный дефект: фотодиоды чуть отличаются по чувствительности. Отклонения микроскопические, но постоянные. Это PRNU (Photo Response Non-Uniformity, неоднородность фотоотклика), по сути «отпечаток пальца» конкретного экземпляра камеры, присутствующий в каждом снятом кадре.

Криминалистика использует PRNU двумя способами:

• Привязка к аппарату. Доказать, что снимок сделан именно этой камерой.
• Обнаружение монтажа. Если в кадр вклеен фрагмент из другого источника, в нём нет вашего PRNU, и статистический контраст между областями выдаёт подделку.

При классическом редактировании в Photoshop вы меняете пиксели только внутри выделения. Остальная часть кадра сохраняет «родной» шум матрицы, и разница между областями видна при анализе.

Диффузионный инпейнтинг работает иначе. Весь кадр целиком уходит в кодировщик, превращается в латентное представление (сжатый «конспект» изображения), область под маской зашумляется, модель её пересобирает, а затем весь «конспект» разворачивается обратно через декодер. Каждый пиксель на выходе нарисован заново. Похож на оригинал, но это уже не ваш пиксель, а пиксель декодера.

Результат: PRNU затирается везде. Оригинальных областей не остаётся ни одной. Контраста между «тронутым» и «нетронутым» нет, потому что нетронутого больше не существует.

Аргументы за нейросетевое редактирование фото

• Скорость и доступность. Убрать лишний объект, поменять небо, дорисовать фон за секунды, без навыков ретуши и без Photoshop.
• Качество стыков. Диффузионная модель генерирует текстуру, освещение и перспективу с учётом всего кадра, стыки между зоной правки и остальным изображением почти незаметны визуально.
• Массовая обработка. Для контент-менеджера или маркетолога, которому нужно подготовить сотни изображений, нейросети для редактирования фото экономят часы работы.
• Новые сценарии. Генеративная замена даёт результаты, которые раньше требовали повторной съёмки: сменить время суток, погоду, убрать случайных людей.

Что теряется при диффузионной обработке?

• Криминалистическая подлинность. Снимок, прошедший через диффузию, невозможно экспертно привязать к конкретной камере по PRNU. Для фотожурналистики, судебной экспертизы и любой ситуации, где нужно доказать «этот кадр не тронут», это критическая потеря.
• Побочные артефакты модели. Исследование команды из ByteDance (авторы: Линь, Лю, Ли и Ян, 2023) показало конкретный дефект: на последнем, тысячном шаге зашумления в Stable Diffusion остаётся 0,068265 исходного сигнала вместо нуля. Модель привыкает к этой «подсказке» о среднем тоне кадра и при генерации сдвигает яркость к середине. Практический эффект: ночной кадр после инпейнтинга получает необъяснимо серую область в зоне маски. Это не ошибка промпта, а математика расписания шума.
• Непрозрачность для пользователя. Большинство инструментов не сообщают, пересобирают ли они кадр целиком или возвращают оригинальные пиксели за пределами маски.

Факт, который стоит проговорить отдельно: шум сенсора, пожалуй, единственная часть фотографии, которая неоспоримо принадлежит автору. Композицию можно повторить, свет скопировать, обработку воспроизвести. А микроскопический разброс чувствительности конкретной матрицы повторить нельзя. И любой прогон через диффузионную модель его стирает, даже если вы правили пятно в углу.

Каждая странность модели — это след конкретного технического решения. Не «нейросеть так видит», не «у неё такой характер». Кто-то когда-то написал строчку кода, и вы теперь смотрите на её последствия у себя в кадре. : Автор исследования (цитата из разбора)

Что делать прямо сейчас, по ролям

Фотографу и автору Дзена. После генеративной правки не сохраняйте результат как единственный файл. Кладите его слоем поверх оригинала и открывайте маской только ту область, которую реально хотели поменять. Всё остальное пусть останется вашими пикселями. Проверить, пересобирает ли инструмент весь кадр, можно за минуту: сделайте инпейнтинг маленького пятна в углу, вычтите результат из оригинала в режиме «разница» и выкрутите уровни. Если за пределами маски кадр не идеально чёрный, значит пиксели перерисованы.

Маркетологу и контент-менеджеру. Если вы обрабатываете коммерческие снимки нейросетями для редактирования фото, храните оригиналы отдельно. В спорных ситуациях (авторские претензии, судебные запросы) только оригинал с нетронутым PRNU сможет подтвердить, что снимок сделан вашей камерой.

Предпринимателю в РФ и СНГ. Из доступных в России инструментов: «Кандинский» от «Сбера», «Шедеврум» от «Яндекса», Photoshop с генеративной заливкой (работает через подписку Adobe). Перед внедрением в рабочий процесс проверяйте каждый инструмент описанным выше тестом на сохранность пикселей за маской.

Индустрия движется к маркировке ИИ-контента через метаданные (C2PA и аналоги), но эти стандарты пока не решают проблему: они фиксируют факт редактирования, а не восстанавливают утраченный «отпечаток» камеры. Пока диффузионные модели не научатся сохранять оригинальные пиксели за пределами зоны правки на уровне архитектуры, ответственность за подлинность снимка остаётся на авторе, и лучший инструмент для этого по-прежнему банальный: слой, маска, оригинал рядом.