Con la diffusione esplosiva delle immagini generate da intelligenze artificiali come DALL·E, Midjourney, Firefly o Imagen, diventa sempre più importante capire se un contenuto visivo è autentico o sintetico.
Non per fare i detective digitali… ma per trasparenza, responsabilità e sicurezza.
💡 Perché serve distinguere le immagini AI
Ecco alcune motivazioni concrete:
- Lotta alla disinformazione: un’immagine deepfake può alimentare fake news virali.
- Tutela dell’identità e del copyright: sapere se qualcosa è “vero” aiuta a proteggere contenuti e persone.
- Contesto etico e narrativo: in un blog, un giornale o un portfolio, è giusto chiarire cosa è generato da AI.
- Conformità alle policy: social network, motori di ricerca e siti di stock stanno chiedendo sempre più spesso contenuti etichettati.
🏷️ Metadati: la prima linea di difesa
Un’immagine può contenere nel file stesso alcune informazioni utili:
- Nome del software che l’ha generata (
SoftwareAgent) - Data di creazione
- Modello AI, piattaforma di generazione, licenza, ecc.
Questi sono metadati standard: EXIF, IPTC o XMP.
Purtroppo, però, sono facilmente modificabili o rimovibili.
Basta aprire l’immagine in un editor come GIMP e salvarla: i metadati spesso spariscono.
🔐 C2PA e Content Credentials: un nuovo standard per la trasparenza
Per migliorare la fiducia nei contenuti digitali, Adobe, Microsoft, Google, NYT e altri hanno creato la specifica C2PA (Coalition for Content Provenance and Authenticity).
Questa tecnologia consente di firmare digitalmente un “manifest” che accompagna l’immagine. Questo manifest contiene:
- l’origine dell’immagine (es. “generata da AI con DALL·E”)
- le modifiche fatte (es. “ritagliata con Photoshop”)
- una firma digitale verificabile
I file così sigillati possono essere verificati pubblicamente con strumenti come contentcredentials.org/verify.
🧪 Il mio test: metadati con e senza GIMP
Ho generato un’immagine PNG con ChatGPT (modello DALL·E 3), che integra automaticamente Content Credentials firmate da OpenAI.
A seguire, ho caricato l’immagine su contentcredentials.org/verify ed essa è stata correttamente riconosciuta come “AI generated” di origine “ChatGPT” (il tutto firmato da OpenAI).
Poi ho aperto la stessa immagine con GIMP su Linux e l’ho riquadrata e risalvata in formato JPEG.
La stessa verifica con l’immagine nuova mostra come i metadati C2PA siano completamente scomparsi.
🌊 Watermark invisibili nei pixel
Un approccio più resistente è quello dei watermark invisibili, ovvero delle modifiche sottili ai pixel che non alterano l’aspetto visivo, ma possono essere rilevate da software specializzati.
Le principali tecniche usate:
📐 DCT (Discrete Cosine Transform)
La DCT è alla base della compressione JPEG.
Consente di rappresentare le immagini come una somma di componenti frequenziali (blocchi 8×8).
Modificando leggermente i coefficienti di frequenze basse o medie, si può nascondere un messaggio che:
- è invisibile a occhio nudo
- resiste alla compressione JPEG
- può essere estratto tramite trasformata inversa
🔗 Approfondimento sulla DCT per watermarking
🌊 Wavelet
I wavelet rappresentano l’immagine a più risoluzioni (multi-scala).
Permettono di inserire watermark in regioni specifiche, più stabili all’editing.
- Più resistente a filtri e modifiche localizzate
- Utile per watermark robusti ma meno densi
🔗 Pubblicazione scientifica sul watermarking wavelet-based
🕵️♂️ Steganografia (es. LSB)
Le tecniche steganografiche modificano i bit meno significativi (LSB) di ciascun pixel.
Ideale per nascondere messaggi binari o firme:
- molto semplice da implementare
- poco resistente alla compressione o ai ritagli
- facilmente distruttibile, ma difficile da notare
🧠 SynthID: la proposta invisibile di Google
Google DeepMind ha sviluppato SynthID, una tecnologia per inserire watermark invisibili nelle immagini generate da AI.
Come funziona:
- Viene integrato direttamente nei modelli di generazione (Imagen, Gemini).
- Il watermark è invisibile e codificato nei pixel usando trasformazioni robuste.
- Può essere rilevato anche dopo compressione, crop o filtri leggeri.
- Solo Google dispone (per ora) del detector compatibile.
📽️ Video ufficiale SynthID:
👁️ Un doppio strato di trasparenza
Google applica due livelli di segnalazione:
- SynthID invisibile nei pixel
- Logo “AI” visibile nell’angolo dell’immagine (es. da Gemini), utile per riconoscimento umano immediato
📌 Conclusioni
- I metadati C2PA rappresentano un’ottima base per la trasparenza digitale, ma sono facilmente rimovibili da editor non compatibili.
- I watermark invisibili offrono maggiore resistenza tecnica, ma richiedono strumenti specializzati per la lettura.
- La combinazione delle due tecniche (dove possibile) è oggi la soluzione più promettente per garantire origine e integrità delle immagini AI.