Het artikel introduceert ZK-JPEG, een cryptografische oplossing om de authenticiteit van digitale afbeeldingen te waarborgen in een tijdperk van deepfakes. Waar traditionele digitale handtekeningen ongeldig worden bij lossy compressie (zoals JPEG) of bewerkingen, biedt ZK-JPEG een methode om te bewijzen dat een afbeelding correct is gecomprimeerd vanuit een geheime, committed input.
De belangrijkste kenmerken zijn:
- Verificatie: Het kan een grote familie van beeldtransformaties verifiëren met minimale kosten.
- Efficiëntie: Het systeem is snel, flexibel en implementeerbaar met standaard ZK-tools.
- Techniek: Er wordt gebruikgemaakt van PicoZK om Python-code om te zetten in een ZK-circuit voor het line-point zero knowledge (LPZK) bewijssysteem.
ZK-JPEG: Zero-knowledge beeldbewerking en compressie
Samenvatting
Tools voor het genereren van deepfake-foto's vermeerderen in aantal, met een groter gebruiksgemak en een prominentere plek in de popcultuur. Tools voor beeldauthenticatie kunnen deze misleidende ontwikkelingen tegengaan door te verifiëren dat een digitale afbeelding daadwerkelijk is geproduceerd door een fysieke camera. De uitdaging is dat deze tools robuust moeten zijn voor wenselijke beeldtransformaties.
Camera-attestatie maakt gebruik van digitale handtekeningen om de herkomst van een afbeelding uit een camera te bewijzen. Lossy compressie brengt minuscule wijzigingen aan om de bestandsgrootte van een afbeelding te verminderen, en het vervagen of redigeren van delen van een afbeelding kan de onderwerpen beschermen. Deze wijzigingen maken de handtekening van een afbeelding echter ongeldig. Eerdere werken maken gebruik van zero-knowledge (ZK) om de bewerkingsgeschiedenis van een gepubliceerde afbeelding te bewijzen, maar deze overleven geen lossy-codering zoals het JPEG-formaat.
Wij presenteren ZK-JPEG, een cryptografische tool voor JPEG-compressie die bewijst dat een afbeelding correct is gecomprimeerd vanuit een geheime, committed input. Daarnaast kan onze tool een grote familie van beeldtransformaties verifiëren door deze met minimale kosten te integreren in de JPEG-compressie.
Ons systeem is snel, flexibel en kan worden geïmplementeerd met behulp van standaard ZK-tools. Wij maken gebruik van PicoZK om Python-code voor beeldbewerking om te zetten in een ZK-circuit voor het line-point zero knowledge (LPZK) bewijssysteem.
ZK-JPEG: Zero-knowledge beeldbewerking en compressie
Samenvatting
Tools voor het genereren van deepfake-foto's vermeerderen in aantal, met een groter gebruiksgemak en een prominentere plek in de popcultuur. Tools voor beeldauthenticatie kunnen deze misleidende ontwikkelingen tegengaan door te verifiëren dat een digitale afbeelding daadwerkelijk is geproduceerd door een fysieke camera. De uitdaging is dat deze tools robuust moeten zijn voor wenselijke beeldtransformaties.
Camera-attestatie maakt gebruik van digitale handtekeningen om de herkomst van een afbeelding uit een camera te bewijzen. Lossy compressie brengt minuscule wijzigingen aan om de bestandsgrootte van een afbeelding te verminderen, en het vervagen of redigeren van delen van een afbeelding kan de onderwerpen beschermen. Deze wijzigingen maken de handtekening van een afbeelding echter ongeldig. Eerdere werken maken gebruik van zero-knowledge (ZK) om de bewerkingsgeschiedenis van een gepubliceerde afbeelding te bewijzen, maar deze overleven geen lossy-codering zoals het JPEG-formaat.
Wij presenteren ZK-JPEG, een cryptografische tool voor JPEG-compressie die bewijst dat een afbeelding correct is gecomprimeerd vanuit een geheime, committed input. Daarnaast kan onze tool een grote familie van beeldtransformaties verifiëren door deze met minimale kosten te integreren in de JPEG-compressie.
Ons systeem is snel, flexibel en kan worden geïmplementeerd met behulp van standaard ZK-tools. Wij maken gebruik van PicoZK om Python-code voor beeldbewerking om te zetten in een ZK-circuit voor het line-point zero knowledge (LPZK) bewijssysteem.
Groetjes,