追溯一张图的来路

检测 C2PA 凭证、AI 生成签名、频域水印痕迹。

C2PA / Content Credentials
OpenAI · Google SynthID · Midjourney · SD
65 项频域特征 + 启发式打分
元数据清洗 / 相机 EXIF 伪装

这个工具能做什么

  • 多层检测：C2PA / Content Credentials、Google SynthID、OpenAI DALL·E / Sora、Midjourney、Stable Diffusion / Flux、Adobe Firefly 等 AI 生成签名，带强 / 中 / 弱置信度徽标，只有强、中信号才报“命中”。
  • 元数据详情：EXIF / XMP / IPTC / ICC 全展开，GPS 带隐私警告与地图链接，XMP 编辑历史完整时间线。
  • 频域分析：在 Web Worker 里跑 65 个特征 + FFT 热图 + 对数径向谱 + 多条启发式规则的加权判定。
  • 图片转换：字节级剥离 C2PA → Canvas 重编码 → 可选水印扰动 → 注入真实相机 EXIF（iPhone、Sony、Leica 等 17 款机型）。
  • 全程浏览器本地运行，图片不上传任何服务器。

频域分析是怎么判断的

上传图片后，工具在后台 Web Worker 里对其做 FFT / DCT / 小波变换，提取约 65 个频域特征，分为：频谱能量、频段精细、径向分布、方向分布、相位特征、LSB（最低有效位）、像素统计等类别。

几个关键信号：AI 生成图的频谱往往更均匀、偏离自然照片的 1/f 规律；Google SynthID 在相位一致性上有明显特征（绿通道最强、RGB 跨通道高度相关）；不可见水印会改变 LSB 分布（卡方检验、相邻像素相关性出现异常）。

最终由多条启发式规则加权打分，并展示 FFT 热图与径向谱，让你结合图像自行判断，而不是只丢出一个数字。

准确性与使用建议

这不是深度学习分类器。参考 Corvi 2023 等研究，仅靠频域特征对现代扩散模型的二分类准确率约 70–85%。

建议分三层看：强信号几乎不会错（C2PA / EXIF 直接声明来源）；中等信号供参考；频域分析让你自己看痕迹，不要盲信单个分数。

隐私与技术栈

100% 在浏览器里运行，图片从不离开你的设备、不上传任何服务器。

零构建，单 HTML + ES Modules；第三方库 exifr（读元数据）、piexifjs（注入 EXIF）已本地自托管，外部 CDN 失效也能用；FFT / DCT / DWT、JUMBF 嗅探、水印扰动、65 项特征均为手写实现。