تقييم الكشف
نموذج FVIMG V2 يكتشف 97.54% من الصور المولَّدة بالذكاء الاصطناعي في اختبار Synthbuster
اكتشف FVIMG V2 من Fileverity نسبة 97.54% من الصور المولَّدة بالذكاء الاصطناعي عبر تسع أدوات توليد. اطّلع على النتائج بحسب كل أداة وعلى مقارنتها بنماذج منشورة.
تاريخ النشر · آخر تحديث · 5 د للقراءة
في هذه الصفحة
اكتشفت Fileverity نسبة 97.54% من الصور المولَّدة بالذكاء الاصطناعي في تقييم كاشف الصور بالذكاء الاصطناعي (AI Image Detector) الذي أجريناه على مجموعة Synthbuster. وشمل التقييم صورًا حقيقية ملتقطة بالكاميرا إلى جانب الصور المولَّدة، وسجّل دقة متوازنة (Balanced Accuracy) قدرها 96.92% وAUROC قدره 0.99625.
إذا كنت تختار أداة لكشف الصور المولَّدة بالذكاء الاصطناعي، فإن قوة هذه النتيجة تكمن في شمولها: تسع فئات من أدوات التوليد، وعتبة قرار ثابتة واحدة، ومجموعة كاملة من النتائج المقيسة. ومن أبرز نتائجها 100% على DALL·E 3، و99% على Midjourney v5، و99.80% عبر مجموعات Stable Diffusion الأربع في مجموعة البيانات هذه.
إصدار النموذج: FVIMG V2. وهو نموذج كشف الصور الذي طورته Fileverity وتحققت من أدائه على بيانات ضخمة خاصة وحصرية، أعدّها مختصون بعناية. يتناول هذا التقرير نواة الكشف على مستوى البكسل بالإعداد الذي جُمّد في 1 نوفمبر 2026، وتبقى النتائج منسوبة إلى هذا الإصدار حتى بعد صدور إصدارات جديدة.
دقة كاشف الصور بالذكاء الاصطناعي: بطاقة النتائج الكاملة
| المقياس | النتيجة | ما الذي يدل عليه |
|---|---|---|
| معدل كشف الصور المولَّدة بالذكاء الاصطناعي | 97.54% | نسبة الصور المولَّدة التي اكتُشفت |
| الدقة المتوازنة | 96.92% | وزن متساوٍ لكشف الصور المولَّدة وللتصنيف الصحيح للصور الحقيقية |
| النوعية (Specificity) على الصور الحقيقية | 96.30% | نسبة الصور الحقيقية التي بقيت دون عتبة الذكاء الاصطناعي |
| معدل الإيجابيات الكاذبة على الصور الحقيقية | 3.70% | نسبة الصور الحقيقية التي تجاوزت عتبة الذكاء الاصطناعي |
| AUROC | 0.99625 | مدى الفصل بين الصور الحقيقية والمولَّدة عبر مختلف العتبات |
| إعداد التقييم | عتبة ثابتة | عتبة واحدة لجميع أدوات التوليد والصور الحقيقية، وجُمّد الإعداد في 1 نوفمبر 2026 |
تُعدّ الدقة المتوازنة مفيدة بوجه خاص هنا لأن الصور المولَّدة في الاختبار أكثر بكثير من الصور الحقيقية. فهي تمنح الفئتين الأهمية نفسها، وتساوي متوسط الرقمين 97.54% و96.30%، أي 96.92%. أما AUROC فيقيس مدى الفصل بين الدرجات، وهو مقياس مختلف عن نسبة الصور المصنفة تصنيفًا صحيحًا عند عتبة ثابتة.
نتائج كشف صور DALL·E، وصور Midjourney، وصور Stable Diffusion بحسب أداة التوليد
يعرض الشكل الآتي معدل الكشف لكل أداة توليد في Synthbuster، ويسرد الجدول الذي يليه النسب نفسها.
معدل الكشف لكل أداة توليد عند عتبة قرار ثابتة واحدة، هي نفسها لجميع الأدوات. يختلف المعدل من أداة إلى أخرى، فاقرأه بحسب كل فئة لا بحسب الرقم الإجمالي وحده.
| أداة التوليد | معدل الكشف |
|---|---|
| DALL·E 2 | 92.30% |
| DALL·E 3 | 100.00% |
| Adobe Firefly | 89.70% |
| GLIDE | 97.70% |
| Midjourney v5 | 99.00% |
| Stable Diffusion 1.3 | 100.00% |
| Stable Diffusion 1.4 | 99.80% |
| Stable Diffusion 2 | 99.60% |
| Stable Diffusion XL | 99.80% |
يمثل كل صف في الجدول، وكل شريط في الشكل، أداة توليد واحدة تُقاس بعتبة القرار نفسها. اكتشفت Fileverity جميع صور DALL·E 3، وجميع صور Stable Diffusion 1.3. وبلغ معدل الكشف 99% على صور Midjourney v5، و99.80% عبر إصدارات Stable Diffusion الأربعة (1.3، 1.4، 2، XL).
تدل هذه النتائج على تغطية واسعة عبر إصدارات أدوات التوليد الممثَّلة في Synthbuster. ويتيح التفصيل الكامل للجهة المشترية كذلك أن تفحص فئة الصور التي تعنيها بدلًا من الاعتماد على رقم واحد بارز.
لماذا يُعدّ Synthbuster مرجعًا مفيدًا
تضم مجموعة Synthbuster التي قدّمها Quentin Bammey صورًا مولَّدة من تسع فئات من أدوات التوليد. وتوصي وثائقها باعتماد صور RAISE-1k الملتقطة بالكاميرا مرجعًا للصور الحقيقية. وتشمل المجموعة صورًا من نماذج الانتشار (Diffusion) ومن أدوات توليد صور أخرى واسعة الاستخدام، ما يجعلها مرجعًا مشتركًا عمليًا لكشف الصور المولَّدة بالذكاء الاصطناعي.
وتعتمد أبحاث منشورة مثل B-Free على مجموعة Synthbuster في تقييم أدوات الكشف. وللجهة التي تقيّم Fileverity، يتيح ذلك مجموعة بيانات معروفة ووسيلة لفحص أساس النتيجة المعلنة. ويعرض هذا الدليل تقييمنا الخاص على ذلك الاختبار المرجعي العلني، وهو اختبار يستطيع أي طرف فحصه بصورة مستقلة. وتؤدي روابط المصادر الثلاثة في هذا القسم إلى صفحات بالإنجليزية.
مقارنة النتائج بالنماذج المنشورة
الدقة المتوازنة التي سجلتها Fileverity وقدرها 96.92% أعلى عدديًا من القيم المنشورة الست الواردة أدناه. وتأتي نتائج الأبحاث هذه من الجدول 5 في المادة التكميلية لورقة GAPL في مؤتمر CVPR 2026 (ملف PDF بالإنجليزية).
| الطريقة | الدقة المتوازنة / المتوسط المقترن | المصدر |
|---|---|---|
| Fileverity FVIMG V2 | 96.92% | هذا التقييم |
| B-Free | 94.9±8.8% | الجدول 5 المنشور |
| GAPL | 91.1±5.8% | الجدول 5 المنشور |
| CommForen | 87.1±3.6% | الجدول 5 المنشور |
| D3 | 81.3±10.4% | الجدول 5 المنشور |
| DRCT | 77.6±19.6% | الجدول 5 المنشور |
| UniFD | 67.6±14.0% | الجدول 5 المنشور |
يقرن الجدول 5 كل أداة توليد بمجموعة الصور الحقيقية نفسها، ثم يحسب متوسط قيم الدقة المقترنة. وعند تساوي أحجام مجموعات أدوات التوليد، يعادل ذلك إعطاء الوزن نفسه لكشف صور الذكاء الاصطناعي وللتصنيف الصحيح للصور الحقيقية (النوعية). أما قيم ± فمنقولة كما وردت في الورقة.
أساس المقارنة: نتيجة Fileverity ناتجة عن تشغيل أجريناه بأنفسنا؛ أما الصفوف الأخرى فنتائج منشورة، وليست نماذج أعدنا تشغيلها في بيئتنا. وقد تختلف المعالجة المسبقة وإصدارات النماذج والعتبات. ويقدّم الجدول سياقًا بحثيًا، وليس تصنيفًا رسميًا ولا مقارنة مباشرة أُجريت في ظروف مضبوطة.
كيف أجرينا الاختبار
جُمّدت الإعدادات في 1 نوفمبر 2026. وقيّمنا منظومة الكشف التجميعية (Ensemble) القائمة على البكسل عند عتبتها المعتمدة مسبقًا لكشف الذكاء الاصطناعي، وقيمتها 0.581716، دون اختيار عتبة جديدة بالاعتماد على Synthbuster. أما الصور التي جاءت دون هذه العتبة، بما فيها الحالات غير الحاسمة، فلم تُحتسب حالات كشف للذكاء الاصطناعي. ولم تسهم البيانات الوصفية (Metadata) للملفات ولا أسماء الملفات ولا إشارات منشأ المحتوى في هذه الدرجات.
استخدم الاختبار الصور المولَّدة من Synthbuster، والصور الحقيقية الملتقطة بالكاميرا من RAISE-1k. وحين كان ملف TIFF الموزَّع مبتورًا، فككنا ترميز ملف Nikon RAW الرسمي للصورة نفسها وحوّلناه إلى TIFF بفضاء sRGB، أما بقية المدخلات الحقيقية فاستُخدمت فيها ملفات TIFF الموزَّعة. ولم يغيّر هذا الإجراء هوية العينة، وجرى تقييم جميع الصور. وسُجّلت قيم التجزئة (Hash) للمدخلات إلى جانب الإعدادات المجمَّدة ونتائج كل صورة على حدة.
القدرة المقيسة هنا هي كشف الصور المولَّدة بالكامل في مجموعة البيانات هذه. أما كشف التعديلات الموضعية وإصدارات أدوات التوليد اللاحقة فمهمتا تقييم منفصلتان. ولم يُجرَ أي ضبط للعتبة على مجموعة الاختبار؛ ولم يُحسم بعدُ أمر التداخل المحتمل بين مجموعتي البيانات هاتين وبيانات التدريب الأولي للنماذج التأسيسية (Upstream).
ماذا يعني ذلك لمراجعة الصور
إذا كان فريقك يراجع صورًا مقدَّمة إليه، كصور مطالبات التأمين وطلبات التمويل وطلبات استرداد المبلغ، فإن اتساع تغطية أدوات التوليد نقطة بداية مفيدة. ويبيّن هذا التقييم أن نواة الكشف على مستوى البكسل في Fileverity قادرة على رصد المحتوى المولَّد في الفئات التسع المختبرة، مع إبقاء 96.30% من الصور الحقيقية الملتقطة بالكاميرا دون عتبة الذكاء الاصطناعي.
يقيس هذا الاختبار الصور المولَّدة بالكامل على مجموعة بيانات علنية. ولا يبيّن مدى تكرار هذا النوع من الصور في ملفاتك أنت، ولا يغني عن مراجعة كل ملف على حدة. وفي السياق السعودي، تشجع وثيقة «مبادئ التزييف العميق» الصادرة عن الهيئة السعودية للبيانات والذكاء الاصطناعي (سدايا) في إصدار عام 2025 على التحقق من صحة المصادر واستخدام أدوات الذكاء الاصطناعي لتحديد علامات التلاعب. وإذا قررت اعتماد أداة من هذا النوع، فاطلب من مورّدها ما يعرضه هذا الدليل: مجموعة اختبار علنية، وعتبة ثابتة، ونتائج مفصلة بحسب أداة التوليد.
جرّب كاشف الصور بالذكاء الاصطناعي على صورتك، أو اطّلع على صفحة التحقق من الصور للتعرف على مسار المراجعة الأوسع. وإذا كنت تقارن بين عدة حلول، ففي دليل كيف تختار برنامج كشف الصور المولَّدة بالذكاء الاصطناعي شرح لوضع المعايير وإجراء تجربة قبل الشراء. يوفر الاختبار المرجعي نقطة مقارنة قابلة للقياس، أما الأدلة المتعلقة بالملف الذي أمامك فتقدمها نتيجة فحصه.
أسئلة حول النتائج
ما مدى دقة كاشف الصور بالذكاء الاصطناعي من Fileverity؟
في هذا التقييم بلغ معدل كشف الصور المولَّدة 97.54%، وبلغت الدقة المتوازنة 96.92%، وبلغ معدل الإيجابيات الكاذبة على الصور الحقيقية 3.70%. وتصف هذه الأرقام جوانب مختلفة من اختبار واحد. ويشرح دليلنا حول دقة كشف الصور المولَّدة بالذكاء الاصطناعي والإيجابيات الكاذبة كيف تقرؤها معًا.
هل يكتشف كاشف Fileverity صور Midjourney وصور DALL·E؟
اكتشف الكاشف الذي خضع للاختبار 99% من صور Midjourney v5، و100% من صور DALL·E 3، و92.30% من صور DALL·E 2 في Synthbuster، عند عتبة قرار ثابتة واحدة.
بقلم Yang Zheng