Nei, ikke en ekte nyhetsrapport fra orkanen Irma. Snopes

En måned før 2016 USAs presidentsvalg ble en "Access Hollywood" -opptak av Donald Trump utgitt der han ble hørt uhyggelig å snakke om kvinner. Den såkalte kandidaten og hans kampanje unnskyldte og avviste kommentarene som ufarlige.

På den tiden ble autentisiteten til opptaket aldri utspurt. Bare to år senere finner publikum seg i et dramatisk annet landskap når det gjelder å tro på hva det ser og hører.

Fremskritt i kunstig intelligens har gjort det lettere å lage overbevisende og sofistikerte falske bilder, videoer og lydopptak. I mellomtiden, feilinformasjon sprer seg på sosiale medier, og en polarisert publikum kan ha blitt vant til å bli matet nyheter som stemmer overens med deres verdenssyn.

Alle bidrar til et klima der det blir stadig vanskeligere å tro på hva du ser og hører på nettet.

Det er noen ting du kan gjøre for å beskytte deg mot å falle for et hoax. Som forfatter av den kommende boken "Fake Photos", som skal publiseres i august, vil jeg gjerne tilby et par tips for å beskytte deg mot å falle for et hoax.

1. Sjekk om bildet allerede har blitt debunked

Mange falske bilder er resirkulert og har tidligere blitt debunked. Et omvendt bildesøk er en enkel og effektiv måte å se hvordan et bilde tidligere har blitt brukt.

I motsetning til et typisk internetsøk der nøkkelord er spesifisert, kan et omvendt bilde søkes på Google or TinEye kan søke etter samme eller lignende bilder i en stor database.

Omvendt bildesøkemotorer kan ikke uttømmende indeksere det enorme, stadig skiftende innholdet på internett. Så selv om bildet er på internett, er det ingen garanti for at den vil bli funnet av nettstedet. I denne sammenhengen betyr det ikke at det er ekte eller falskt å finne et bilde.

Du kan forbedre sannsynligheten for en kamp ved å beskjære bildet for å bare inneholde regionen av interesse. Fordi dette søket krever at du laster opp bilder til et kommersielt nettsted, vær forsiktig når du laster opp følsomme bilder.

2. Sjekk metadataene

Digitale bilder inneholder ofte rike metadata som kan gi ledetråder om deres opprinnelse og ekthet.

Metadata er data om data. Metadataene for et digitalt bilde inkluderer kameraets merke og modell; kamerainnstillinger som blenderåpning og eksponeringstid; dato og klokkeslett da bildet ble tatt GPS-stedet der bildet ble tatt og mye mer.

EXIF data gir ledetråder om dette fotografiet av en blomst. Opprinnelig bilde fra Andreas Dobler / Wikimedia, CC BY-SA

Betydningen av dato, klokkeslett og plasseringskoder er selvsagt. Andre tagger kan ha en like enkel tolkning. For eksempel kan bilderedigeringsprogramvare introdusere en tagg som identifiserer programvaren, eller dato og tidskoder som ikke er i samsvar med andre koder.

Flere koder gir informasjon om kamerainnstillinger. En grov inkonsekvens mellom bildegenskapene som følger med disse innstillingene og de faktiske egenskapene til bildet, gir bevis på at bildet har blitt manipulert. Eksempelvis gir eksponeringstidspunktet og blenderåpningsstørrelsene et kvalitativt mål på lysnivåene i den fotograferte scenen. En kort eksponeringstid og liten blenderåpning foreslår en scene med høye lysnivåer tatt i løpet av dagen, mens en lang eksponeringstid og stor blenderåpning foreslår en scene med lavt lysnivå tatt om natten eller innendørs.

Metadataene lagres i bildefilen og kan lett hentes med ulike programmer. Imidlertid fjerner noen elektroniske tjenester mye av et bildes metadata, så fraværet av metadata er ikke uvanlig. Når metadataene er intakte, kan det imidlertid være svært informativ.

3. Gjenkjenne hva som kan og kan ikke bli faket

Når du vurderer om et bilde eller en video er autentisk, er det viktig å forstå hva som er og hva som ikke er mulig å falle.

For eksempel er et bilde av to personer som står skulder til skulder relativt enkelt å lage ved å knuse to bilder sammen. Så er et bilde av en hai som svømmer ved siden av en surfer. På den annen side er det vanskeligere å lage et bilde av to personer, fordi det kompliserte samhandlingen er vanskelig å falle.

Mens moderne kunstig intelligens kan produsere svært overbevisende feil - ofte kalt deepfakes - dette er først og fremst begrenset til å endre ansikt og stemme i en video, ikke hele kroppen. Så det er mulig å lage en god falsk for noen som sier noe som de aldri gjorde, men ikke nødvendigvis utfører en fysisk handling som de aldri gjorde. Dette vil imidlertid sikkert endre seg i de kommende årene.

4. Vokt dere for haier

Etter mer enn to tiår i digitale forensics har jeg kommet til den konklusjonen at virusbilder med haier nesten alltid er falske. Vokt dere for spektakulære hai-bilder.

5. Hjelp å bekjempe feilinformasjon

Falske bilder og videoer har ført til forferdelig vold rundt om i verden, manipulering av demokratiske valg og sivil uro. Utbredelsen av feilinformasjon lar nå alle å gråte "falske nyheter" som svar på enhver nyhetshistorie som de er uenige med.

Jeg tror at det er kritisk for teknologisektoren å gjøre store og dype endringer i innholdsmatingspolitikk. Titansene av tech kan ikke lenger ignorere den direkte og målbare skade som kommer fra våpen av deres produkter.

I tillegg må de som utvikler teknologi som kan brukes til å enkelt lage sofistikerte falskheter, tenke mer nøye på hvordan teknologien deres kan misbrukes, og hvordan man skal sette noen beskyttelsesforanstaltninger for å forhindre misbruk. Og det digitale rettsmedisinske fellesskapet må fortsette å utvikle verktøy for raskt og nøyaktig å oppdage falske bilder, videoer og lyd.

Til slutt må alle endre hvordan de forbruker og sprer innhold på nettet. Når du leser historier på nettet, vær flittig og se på kilden; New York Evening (et falskt nyhetsnettsted) er ikke det samme som The New York Times. Vær alltid forsiktig med de fantastiske satiriske historiene fra The Onion som ofte blir feil for virkelige nyheter.

Sjekk datoen for hver historie. Mange falske historier fortsetter å resirkulere år etter introduksjonen, som et ekkel virus som bare ikke vil dø. Gjenkjenne at mange overskrifter er utformet for å ta tak i din oppmerksomhet - les utover overskriften for å forsikre deg om at historien er hva det ser ut til å være. Nyhetene du leser på sosiale medier, blir algoritmisk matet til deg basert på ditt tidligere forbruk, og skaper et ekkokammer som bare viser deg historier som samsvarer med dine eksisterende visninger.

Endelig krever ekstraordinære krav ekstraordinært bevis. Gjør alt for å feilsøke historier med pålitelige sekundære og tertiære kilder, spesielt før deling.

Om forfatteren

Hany Farid, professor i datavitenskap, Dartmouth College

Denne artikkelen er publisert fra Den Conversation under en Creative Commons-lisens. Les opprinnelige artikkelen.

Relaterte bøker

at InnerSelf Market og Amazon