Ảnh chụp màn hình và ảnh bị nén: còn phát hiện được ảnh AI không?

Có, nhưng trong giới hạn. Công cụ phát hiện ảnh AI vẫn phân tích được ảnh chụp màn hình hoặc ảnh đã bị nén, nhưng việc thu nhỏ, nén và cắt ảnh làm mất một phần tín hiệu mà công cụ dựa vào, nên kết quả kém dứt khoát hơn so với tệp gốc. Một ảnh chụp màn hình vẫn có thể còn tín hiệu hình ảnh hữu ích, watermark còn phát hiện được hoặc chi tiết khung cảnh còn nhận ra được, nhưng lại thiếu chi tiết để trả lời một câu hỏi hẹp. Hãy xin tệp đính kèm gốc bất cứ khi nào có thể.

Ở đây, nhiệm vụ là đánh giá nội dung do AI tạo ra hoặc bị chỉnh sửa nằm bên trong ảnh chụp màn hình. Việc xác định bản thân một tệp có phải ảnh chụp màn hình hay không là một câu hỏi khác. Nếu điều bạn cần biết là cuộc trò chuyện, trang web hay màn hình chuyển khoản trong ảnh có thật hay không, nhất là khi người mua gửi ảnh chuyển khoản trước lúc bạn giao hàng, hãy chuyển thẳng đến phần cách nhận biết ảnh chụp màn hình giả, trong đó có mục riêng về ảnh chuyển khoản giả.

Bước đầu tiên trên thực tế là xác định bạn đang có gì: tệp ảnh gốc đã lưu, bản tải xuống, ảnh chụp màn hình hay ảnh chụp lại một màn hình. Sau đó xác định điều cần chứng minh. Phát hiện ảnh được tạo ra toàn bộ, điều tra một chữ số bị sửa và xác minh nguồn gốc đã ghi lại đặt ra những yêu cầu khác nhau đối với tệp.

Nếu có tệp đính kèm gốc, hãy giữ nó cùng bản đã nhận. Nếu không, ảnh chụp màn hình vẫn có thể định hướng việc xem xét. Kết quả hữu ích đôi khi là một yêu cầu cụ thể về một bằng chứng còn thiếu, chứ không phải thêm một điểm số từ công cụ phát hiện.

Chọn tệp trả lời được câu hỏi của bạn

“Tệp gốc” nên là một tệp cụ thể, lấy qua một kênh xác định, chứ không đơn giản là bức ảnh lớn nhất mà ai đó có thể đưa ra. Tệp lớn có thể là bản phóng to; tệp từ máy ảnh có thể là ảnh chụp một màn hình. Hãy ghi lại cách lấy từng phiên bản và mối liên hệ nào với bức ảnh đang tranh cãi đã thực sự được xác lập.

Với một tệp riêng lẻ, xác minh hình ảnh của Fileverity kiểm tra tệp bạn gửi về dấu hiệu AI tạo ra, chỉnh sửa và nguồn gốc, đồng thời báo khi đầu vào không đủ để kết luận. Hãy chọn loại phân tích phù hợp với câu hỏi, và giữ lịch sử xử lý của bản đã gửi cùng kết quả. Một chữ số thanh toán bị sửa cần bước xử lý tiếp theo khác với trường hợp nghi ngờ cả khung cảnh do AI tạo ra.

Trước khi tải lên

Giữ nguyên tệp đã nhận, rồi làm theo danh sách kiểm tra ngắn sau:

1. Chọn tệp đính kèm sớm nhất mà bạn giải thích được mối liên hệ với ảnh đã nhận. Giữ cả hai phiên bản nếu chúng khác nhau.
2. Xác định câu hỏi cần trả lời: ảnh được tạo ra toàn bộ, nghi ngờ có chỉnh sửa cục bộ, hay nguồn gốc đã ghi lại.
3. Xem yêu cầu tải lên hiện tại của Fileverity về loại tệp, dung lượng và kích thước. Định dạng được chấp nhận chưa chứng minh ảnh chụp màn hình phù hợp; hãy xác nhận yêu cầu của loại phân tích liên quan.
4. Nếu công cụ yêu cầu cắt hoặc chuyển đổi, hãy giữ tệp gốc và gắn nhãn cho bản phái sinh. Không làm nét hay dựng lại các chi tiết đang tranh cãi.
5. Gắn kết quả trả về với đúng phiên bản đã gửi, kể cả trạng thái không được hỗ trợ hoặc chưa đủ cơ sở để kết luận.

Điều gì thay đổi khi một bức ảnh trở thành ảnh chụp màn hình?

Ảnh chụp màn hình ghi lại một khung hình đã được hiển thị trên màn hình. Bức ảnh có thể đã bị thu nhỏ cho vừa cửa sổ, bị che một phần, hiển thị cùng các thành phần giao diện hoặc ghép với ảnh khác. Ảnh chụp màn hình không tự động chứa cấu trúc tệp của ảnh gốc hay lịch sử được nhúng trong đó.

Phần câu hỏi thường gặp (FAQ) của Content Authenticity Initiative phân biệt rõ ảnh chụp màn hình với siêu dữ liệu (metadata) C2PA nhúng trong ảnh nguồn: ảnh chụp màn hình của một bức ảnh không chứa metadata C2PA của ảnh gốc. Tài liệu này cũng giải thích rằng khi chụp lại một bức ảnh có sẵn bằng máy ảnh có chức năng ký số, máy chỉ ghi nhận lần chụp mới và không phân tích được nội dung bức ảnh; điều đó không xác lập nguồn gốc của bức ảnh được chụp. CAI FAQ (tiếng Anh): ảnh chụp màn hình và ảnh chụp lại ảnh có sẵn

Điều này quan trọng khi ai đó gửi ảnh chụp màn hình có huy hiệu “đã xác minh”. Huy hiệu chỉ là nội dung hiển thị trong ảnh chụp. Để dựa vào một kết quả xác thực, hãy lấy tệp hoặc bản ghi xác minh liên quan, xác định nó gắn với tệp nội dung nào và kiểm tra kết quả thực tế. Ảnh chụp một giao diện không thay thế được mối liên kết đó.

Việc thiếu Content Credentials nhúng không có nghĩa là không còn cách nào truy tìm nguồn gốc. C2PA mô tả cơ chế liên kết mềm (soft binding) có thể giúp tìm lại manifest bị tách rời, dựa trên watermark hoặc dấu vân tay được hỗ trợ và một kho lưu trữ (repository). Việc có làm được hay không phụ thuộc vào từng tệp nội dung và cách triển khai; nhiều ảnh chụp màn hình sẽ không có lịch sử nào khôi phục được. C2PA 2.5 Soft Binding API, mục 1 (tiếng Anh)

Trong ghi chú của bạn, hãy giữ ba câu tách bạch: “không tìm thấy Content Credentials nhúng”, “đã thử khôi phục bằng phương pháp được hỗ trợ này” và “không khôi phục được bản ghi liên quan nào”. Không câu nào tương đương với “cảnh được mô tả là thật”.

Cách nhận biết ảnh chụp màn hình giả

Để nhận biết ảnh chụp màn hình giả, hãy kiểm tra nguồn chứ không phải bức ảnh. Ảnh chụp màn hình chỉ là hình ảnh tái hiện bất cứ thứ gì từng hiện trên màn hình, nên bằng chứng mạnh nhất là nhìn thấy cùng cuộc trò chuyện, trang hay tài khoản đó trên thiết bị hoặc nền tảng gốc, chứ không phải soi bức ảnh kỹ hơn.

Kiểm tra nguồn trước:

• Xem tại nguồn. Nhờ người gửi mở cuộc trò chuyện, trang đơn hàng hoặc tài khoản trên thiết bị của họ trong lúc bạn theo dõi, hoặc quay video màn hình cuộn qua toàn bộ cuộc trò chuyện. Video tốt hơn một ảnh chụp, nhưng cũng có thể được dàn dựng.
• Hỏi phía bên kia. Người còn lại trong cuộc trò chuyện có thể cung cấp bản của họ. Hai thiết bị độc lập hiển thị cùng một chuỗi tin nhắn có sức thuyết phục hơn nhiều so với một ảnh chụp màn hình.
• Xin bản xuất hoặc liên kết. Một số nền tảng cho phép xuất cuộc trò chuyện hoặc chia sẻ liên kết tới bài đăng hoặc phiếu hỗ trợ, ví dụ chức năng xuất cuộc trò chuyện của WhatsApp (trang tiếng Anh). Với Zalo, Messenger hay ứng dụng khác, hãy xem ứng dụng có tính năng tương tự không; chức năng khác nhau theo phiên bản. Bản xuất là manh mối tốt hơn ảnh chụp màn hình, nhưng người gửi vẫn kiểm soát tệp, nên hãy xác nhận những gì có thể ngay trên nền tảng.
• Đối chiếu hồ sơ khi vụ việc đủ nghiêm trọng. Trong tranh chấp nghiêm trọng, nền tảng hoặc nhà mạng có thể xác nhận một tài khoản đã gửi hay nhận nội dung vào một thời điểm nhất định, qua kênh mà họ dành cho loại yêu cầu này. Điều có thể thực hiện khác nhau tùy nhà cung cấp và quốc gia, và nội dung tin nhắn thường không được lưu giữ.
• Xác minh điều mà ảnh chụp màn hình khẳng định. Nếu ảnh cho thấy xác nhận thanh toán, thông báo giao hàng hoặc trạng thái đơn hàng, hãy xác nhận sự việc đó với ngân hàng, đơn vị vận chuyển hoặc hệ thống của người bán thay vì tin vào bức ảnh.

Quy trình truy tìm nguồn đầy đủ nằm trong hướng dẫn cách nhận biết ảnh do AI tạo ra.

Ảnh chuyển khoản giả: đối chiếu ở tài khoản của bạn

Với người bán hàng, kế toán thu tiền hay bộ phận chăm sóc khách hàng, một loại ảnh chụp màn hình đặc biệt rủi ro là ảnh chuyển khoản (người bán còn gọi là bill chuyển khoản): một màn hình “giao dịch thành công” do người mua đưa ra để nhận hàng hoặc tiền mặt. Cách kiểm tra đáng tin cậy là xem tiền đã vào tài khoản của chính bạn chưa. Bức ảnh, thật hay giả, không chứng minh điều đó.

Báo chí và cơ quan chức năng trong nước đã nêu một số trường hợp cụ thể. Phần dưới đây tóm lược theo đúng nội dung các nguồn đã công bố:

• Theo Tuổi Trẻ ngày 25 tháng 2 năm 2026, một thanh niên dùng hình ảnh và biên nhận chuyển khoản giả để khiến một tiểu thương ở chợ nông sản tại Hưng Yên tin rằng tiền đã được chuyển, rồi nhận 100.000.000 ₫ tiền mặt; sau khi anh ta đi, người bán kiểm tra tài khoản và không thấy khoản chuyển nào. Công an tỉnh Hưng Yên bắt giữ nghi phạm để điều tra về hành vi lừa đảo chiếm đoạt tài sản; bài báo thuật lại khuyến cáo của lực lượng này với tiểu thương: “cần trực tiếp kiểm tra, xác nhận tiền đã vào tài khoản trước khi giao tiền hoặc hàng hóa”. Tuổi Trẻ: dùng hình ảnh chuyển khoản giả chiếm đoạt 100 triệu của người bán hàng
• Theo Kenh14 ngày 3 tháng 11 năm 2026, công an phường Thuận Thành (Bắc Ninh) tiếp nhận đơn trình báo của một cửa hàng mỹ phẩm đã giao hàng ba lần trong tháng 10 năm 2026, tổng trị giá khoảng 22.000.000 ₫, mà không nhận được tiền. Bài báo cho biết người mua dùng điện thoại truy cập một website để tạo ảnh “chuyển khoản thành công” khớp số tiền trên hóa đơn. Công an khuyên người bán “không nên chỉ dựa vào ảnh chụp màn hình, thông báo chuyển khoản trên điện thoại của khách hàng”. Bài báo còn nêu thêm các thủ đoạn khác: ứng dụng ngân hàng giả cho phép nhập số tiền, tên người nhận, số tài khoản và thời gian tùy ý (theo Cục An ninh mạng, Bộ Công an); tin nhắn giả mạo thông báo của ngân hàng; chuyển một khoản rất nhỏ, chẳng hạn 200 ₫ cho hóa đơn 200.000 ₫, để loa báo tiền vẫn vang lên (cơ quan công an cảnh báo); dán mã QR khác đè lên mã QR của cửa hàng. Các lời cảnh báo của cơ quan công an ở đây được báo chí thuật lại. Kenh14: công an cảnh báo người bán hàng về ảnh chuyển khoản giả
• Bài đăng ngày 8 tháng 9 năm 2026 trên cổng thông tin điện tử của Bộ Công an, trong đó lực lượng Công an cảnh báo 25 kịch bản lừa đảo trên không gian mạng năm 2026, nêu trong nhóm lừa đảo mua bán trực tuyến thủ đoạn “sử dụng biên lai chuyển khoản giả, giả danh người mua hoặc người bán để yêu cầu đặt cọc trước”. Bộ Công an: nâng cao cảnh giác trước 25 kịch bản lừa đảo trên không gian mạng năm 2026
• Theo Tạp chí Công Thương ngày 1 tháng 2 năm 2024, Cục An toàn thông tin cho biết giả mạo biên lai chuyển tiền thành công là một trong 24 hình thức lừa đảo trực tuyến, khuyến cáo không giao hàng cho bất kỳ ai khi chưa nhận được tiền trong tài khoản ngân hàng, và nêu rằng ảnh giả có thể khác ảnh từ ngân hàng chính thống về màu sắc, phông chữ, thời gian. Tạp chí Công Thương: nhận diện lừa đảo giả mạo biên lai chuyển tiền thành công

Chúng tôi chưa tìm thấy thống kê chính thức tổng hợp riêng cho hình thức này, nên bài viết không nêu con số về quy mô; các nguồn trên chỉ cho thấy thủ đoạn có thật và đang bị cảnh báo.

Về mặt pháp lý, dùng ảnh chuyển khoản giả để chiếm đoạt tiền hoặc hàng có thể bị xử lý về tội lừa đảo chiếm đoạt tài sản (Điều 174 Bộ luật Hình sự năm 2015). Điểm d khoản 1 Điều 290 quy định riêng về lừa đảo trong thương mại điện tử, thanh toán điện tử nhằm chiếm đoạt tài sản, áp dụng khi hành vi không thuộc Điều 173 và Điều 174. Điều luật nào được áp dụng do cơ quan có thẩm quyền xác định theo tình tiết cụ thể, và mức xử lý tăng theo giá trị chiếm đoạt: ở khoản 4 Điều 174, chiếm đoạt từ 500.000.000 ₫ trở lên có thể bị phạt tù từ 12 đến 20 năm hoặc tù chung thân. Đây là thông tin tham khảo, không phải tư vấn pháp lý. Bộ luật Hình sự, văn bản hợp nhất 135/VBHN-VPQH

Những việc người bán nên làm, dựa trên các khuyến cáo trên và nguyên tắc đối chiếu tại nguồn:

• Mở ứng dụng ngân hàng hoặc sao kê của chính bạn và xác nhận tiền đã ghi có, đúng số tiền, đúng nội dung, trước khi giao hàng hoặc giao tiền.
• Bật thông báo biến động số dư và đối chiếu số tiền với giá trị đơn hàng. Loa báo tiền giúp giảm một phần rủi ro nhưng không thay thế hoàn toàn việc kiểm tra giao dịch; hãy nghe đủ số tiền được đọc.
• Với đơn hàng giá trị lớn, đừng để khách thúc ép, và liên hệ ngân hàng khi cần xác minh.
• Kiểm tra định kỳ mã QR của cửa hàng xem có bị dán đè hay thay thế không.
• Giữ nguyên ảnh khách gửi như đã nhận, ghi thời điểm nhận và người gửi; nếu bị lừa, giữ video từ camera, thông tin giao dịch và lịch sử trò chuyện rồi trình báo công an gần nhất.

Phân tích ảnh có thể thêm một lớp bằng chứng về tệp, như phần bên dưới giải thích, nhưng không thay thế bước đối chiếu này. Một ảnh chuyển khoản được dựng bằng website hoặc ứng dụng giả có thể không chứa điểm ảnh nào bị chỉnh sửa theo nghĩa mà công cụ phát hiện báo cáo, còn một ảnh chuyển khoản thật cũng không chứng minh tiền đã về tài khoản của bạn. Fileverity phân tích tệp ảnh, không truy cập tài khoản ngân hàng của bạn, nên không xác nhận được tiền đã về hay chưa. Về cách phân biệt từng loại chứng từ, xem hướng dẫn nhận biết hóa đơn và bill chuyển khoản giả.

Dấu hiệu trên giao diện chỉ là gợi ý yếu

Những điểm không nhất quán trên giao diện có thể là lý do để xin nguồn, nhưng một ảnh chụp màn hình trông không có điểm bất thường thì không chứng minh được gì, vì một bản chỉnh sửa cẩn thận hoặc một bản mock-up có thể tái tạo giao diện thật. Hãy so với ảnh chụp thật từ cùng ứng dụng, cùng loại thiết bị và cùng giai đoạn, và coi mỗi điểm lệch là một câu hỏi cần đặt ra chứ không phải kết luận.

Ảnh chụp màn hình tin nhắn giả thường được dựng bằng mẫu mock-up hoặc sửa từ một ảnh chụp thật, không nhất thiết bằng AI tạo ảnh. Vì vậy, một kết quả không phát hiện dấu hiệu AI tạo ra không đủ để coi ảnh chụp màn hình là không có vấn đề, và một cảnh báo AI không giải thích ảnh chụp màn hình đã được làm ra như thế nào.

Phân tích ảnh có thể bổ sung gì và không thể bổ sung gì

Phân tích ảnh cung cấp thêm bằng chứng về tệp. Khi tệp phù hợp, phân tích có thể cảnh báo dấu hiệu AI tạo ra hoặc AI chỉnh sửa cục bộ trong điểm ảnh của ảnh chụp màn hình, đọc metadata hoặc thông tin nguồn gốc nhúng sẵn, và ghi lại giá trị băm SHA-256 của tệp để mọi người cùng xác định đúng phiên bản đã kiểm tra. Ở Fileverity, một lần phân tích ảnh kiểm tra tệp đã gửi về việc AI tạo ra và AI chỉnh sửa, đọc Content Credentials C2PA, metadata EXIF/XMP và nhãn AI mà tệp mang theo, báo khi đầu vào không đủ để kết luận, và cấp báo cáo ghi giá trị băm SHA-256 của tệp cùng dấu thời gian RFC 3161 khi việc xác thực dấu thời gian thành công.

Phân tích này không chứng minh được một cuộc trò chuyện đã diễn ra hay nội dung hiển thị là thật. Một ảnh chụp màn hình nguyên vẹn của tin nhắn bịa đặt, hoặc ảnh chụp một màn hình đang hiển thị bản mock-up, có thể không chứa điểm ảnh nào bị chỉnh sửa. Ảnh chụp màn hình thường cũng không có metadata máy ảnh, nên không có thông tin về lần chụp để đọc, và các chỉnh sửa không dùng AI có thể không để lại gì để công cụ báo cáo. Kết quả âm tính không bao giờ chứng minh tính xác thực; hãy ghi là “không phát hiện dấu hiệu đáng ngờ trong tệp này”, đặt cạnh những gì các bước kiểm tra nguồn đã xác lập.

Ảnh chụp tin nhắn giả

Ảnh chụp tin nhắn giả cho thấy một cuộc trao đổi chưa từng diễn ra hoặc đã bị sửa, thường để dựng lên một lời hứa, lời đe dọa, xác nhận thanh toán hay thông báo giao hàng. Nguyên tắc vẫn như trên: bức ảnh không giải quyết được vấn đề, nên hãy chuyển việc kiểm tra đến nơi cuộc trò chuyện thực sự tồn tại.

• Xin toàn bộ cuộc trò chuyện, thấy rõ thông tin liên hệ, trên chính điện thoại gốc, thay vì một đoạn trích.
• Nhờ bên kia xác nhận cuộc trao đổi từ thiết bị của họ.
• Đối chiếu điều các tin nhắn nêu với những bản ghi không phụ thuộc vào ảnh chụp: bản ghi ngân hàng hoặc thanh toán, sự kiện theo dõi của đơn vị vận chuyển, đơn hàng hoặc lịch hẹn trong hệ thống của bạn.
• Kiểm tra dịch vụ nhắn tin, kiểu bong bóng, định dạng số và quốc gia có khớp nguồn được nêu hay không, rồi coi các gợi ý giao diện ở trên là câu hỏi chứ không phải bằng chứng.
• Giữ tệp đúng như đã nhận, ghi ai cung cấp, khi nào, kèm giá trị băm SHA-256, và viết ra điều đã được xác minh cũng như điều chưa.

Nén, thu nhỏ và watermark ảnh hưởng đến những bằng chứng khác nhau

Nén có mất dữ liệu làm thay đổi thông tin ảnh được mã hóa. Thu nhỏ làm thay đổi cách lấy mẫu không gian. Cắt loại bỏ nội dung xung quanh. Các thao tác này có thể xảy ra cùng nhau, nhưng việc nhận ra một thao tác không cho bạn biết chính xác những thao tác khác đã xảy ra, cũng như một công cụ phát hiện cụ thể sẽ phản ứng thế nào. Ảnh gửi qua ứng dụng nhắn tin có thể đã bị thu nhỏ và nén lại, tùy ứng dụng và cách gửi (dạng ảnh hay dạng tệp đính kèm).

Hướng dẫn về nén ảnh của SWGDE phân biệt phương pháp không mất dữ liệu và có mất dữ liệu, bàn đến hệ quả của định dạng và nén đối với việc sử dụng ảnh, và nêu rằng khi lưu một tệp nén có mất dữ liệu, phần dữ liệu đã mất là vĩnh viễn. Hãy coi nén là một điều kiện xử lý tệp cần ghi lại, chứ bản thân việc nén không phải là bằng chứng gian dối. SWGDE Digital Image Compression and File Format Guidelines, phiên bản 3.0 (tiếng Anh)

Không có quy tắc phổ quát nào đủ căn cứ để khẳng định rằng “nén làm mất khả năng phát hiện AI”. Nguồn gốc nhúng, watermark vô hình và phân tích ảnh bằng mô hình học máy là các cơ chế khác nhau. Google mô tả watermark SynthID cho ảnh là được thiết kế để chịu được các thay đổi như cắt, thêm bộ lọc hoặc nén có mất dữ liệu. Đó là tuyên bố về thiết kế; nó không đảm bảo mọi tệp đã biến đổi đều cho kết quả dùng được, hay một dịch vụ xác minh nào đó nhận diện được mọi công cụ tạo ảnh. Tổng quan SynthID của Google DeepMind (tiếng Anh)

Các phương pháp phát hiện chỉnh sửa dựa trên mô hình học máy cũng cần được chứng minh trong điều kiện liên quan. Các phân tích về độ bền vững của bộ phát hiện chỉnh sửa thường báo cáo hiệu năng thay đổi sau khi thu nhỏ và nén, vì vậy việc đánh giá nên phản ánh đúng quy trình đầu vào mà đội ngũ của bạn thực sự nhận.

Để hiểu rộng hơn về sự khác nhau giữa các kiểm tra này, hãy xem so sánh C2PA, watermark và công cụ phát hiện ảnh. Ở đây, câu hỏi vận hành là tệp bạn nhận được còn chứng minh được thông tin gì.

Một chi tiết nhỏ có thể trở thành mục tiêu kiểm tra nhỏ hơn nhiều

Giả sử có một ảnh nguồn kích thước 4.000 × 3.000 điểm ảnh. Khung bao quanh một nhãn đang tranh cãi có kích thước 120 × 80 điểm ảnh. Nếu cả ảnh được thu nhỏ theo tỷ lệ còn 1.000 × 750, khung tương ứng xấp xỉ 30 × 20 điểm ảnh.

Chiều rộng và chiều cao đều chỉ còn một phần tư kích thước ban đầu. Khung chứa 600 vị trí điểm ảnh thay vì 9.600, tức chỉ bằng một phần mười sáu. Đây là phép tính hình học, không phải khẳng định rằng độ chính xác phát hiện giảm theo cùng tỷ lệ. Khả năng nhận ra một ký tự còn phụ thuộc vào nét chữ, độ tương phản, cách xử lý và phương pháp được dùng. Bảng và hình dưới đây ghi lại phép tính đó.

Kích thước khi thu nhỏ theo tỷ lệ:

Phóng to bản thu nhỏ lên gấp bốn lần trên màn hình không đảo ngược được lần thu nhỏ trước đó. Phép nội suy có thể giúp người xem thấy cấu trúc còn lại, nhưng ảnh phóng to không phải là nhãn gốc. Nếu không đọc được một ký tự một cách đáng tin cậy, hãy ghi là không đọc được, thay vì chọn cách diễn giải khớp nhất với nghi ngờ của bạn.

Đừng dùng công cụ làm nét bằng AI tạo sinh để tạo ra chi tiết cần có nhằm khép lại vụ việc. Một chữ số trông rõ hơn do được dựng lại không phải bằng chứng độc lập về chữ số trong tệp đã gửi. Nếu bạn giữ một bản phóng to để làm việc, hãy ghi rõ nó được tạo ra thế nào và giữ sẵn bản gốc của nó.

Vì sao thu nhỏ ảnh có thể làm mất bằng chứng mà phóng to không khôi phục được

Quy trình xử lý ảnh của Fileverity dùng các phiên bản đã thu nhỏ để phân tích khi cần, đồng thời kiểm tra metadata có sẵn của tệp đã gửi. Một nguyên lý đằng sau cách diễn giải các phiên bản đó là lý thuyết lấy mẫu: ít mẫu hơn có thể giữ cấu trúc quy mô lớn hữu ích nhưng làm mất các điểm khác biệt ở quy mô nhỏ. Việc một định dạng được chấp nhận không có nghĩa mọi đặc điểm gốc đều còn nguyên sau quá trình truyền và phân tích.

Thu nhỏ thường gồm lọc trước rồi mới lấy mẫu trên lưới thô hơn. Bộ lọc triệt tiêu những biến thiên không gian mà lưới mới không thể biểu diễn một cách đáng tin cậy. Nếu không lọc phù hợp, các họa tiết mịn có thể xuất hiện thành những họa tiết khác ở tần số thấp hơn, gọi là hiện tượng chồng phổ (aliasing). Định lý lấy mẫu nêu điều kiện để khôi phục một tín hiệu giới hạn băng tần; nó không hứa hẹn khôi phục chi tiết tùy ý đã bị loại khỏi một bức ảnh. Steven W. Smith, The Scientist and Engineer’s Guide to Digital Signal Processing, chương 3 (tiếng Anh)

Để tách riêng phần thông tin bị mất, hãy xét phép lấy trung bình khối đơn giản: thay mỗi khối 2 × 2 bằng trung bình bốn giá trị thang xám của nó.

Hai cấu trúc khác nhau cho ra đúng cùng một kết quả: (0 + 100 + 0 + 100) / 4 = 50. Chỉ dựa vào kết quả đó, không thể xác định được cạnh gốc là cạnh nào. Phóng giá trị 50 thành một ô vuông lớn hơn không bổ sung hướng của cạnh đã mất. Công cụ làm nét tạo sinh có thể đề xuất chi tiết hợp lý, nhưng đề xuất đó không phải bằng chứng về đầu vào thực tế.

Phép biến đổi này gộp nhiều đầu vào thành một kết quả nên làm mất khả năng phân biệt giữa hai đầu vào. Các bộ lọc thực tế dùng trọng số và vùng lân cận khác nhau, nhưng câu hỏi cần xem xét vẫn vậy: còn đủ chi tiết để đánh giá đặc điểm đó không?

Với một nhãn đang tranh cãi, câu hỏi thực tế là các nét liên quan có còn phân biệt được trong tệp mà người xét duyệt hay công cụ phát hiện thực sự nhận được. Hãy giữ tệp đã gửi, mọi bản sao dùng để phân tích và mối quan hệ giữa tọa độ của chúng. Khi đặc điểm chưa phân biệt được, hãy xin nguồn tốt hơn thay vì diễn giải một vệt mờ phóng to thành kết quả âm tính. Khi lựa chọn công cụ, hãy thử các cặp gồm bản nguồn và bản đã biến đổi từ chính kênh nhận của bạn rồi xem những câu hỏi nào còn trả lời được; đừng suy ra mức giảm độ chính xác chỉ từ số điểm ảnh. Hình dưới đây tóm tắt ví dụ cạnh dọc và cạnh ngang ở trên.

Áp dụng quy trình tiếp nhận có thể lặp lại

Bắt đầu từ tệp đúng như đã nhận. Ghi mã hồ sơ ổn định, kênh nhận, kích thước và mọi xử lý đã biết. Giá trị băm, nếu quy trình của bạn dùng, xác định đúng tệp đó; nó không xác lập tính xác thực của nội dung. Lưu các bản cắt và bản biến đổi về sau với mã tham chiếu riêng.

Cách bạn nhận, lưu và giữ nguyên tệp cũng quan trọng khi cần dùng nó làm chứng cứ. Điều 11 Luật Giao dịch điện tử 2023 (Luật số 20/2023/QH15, có hiệu lực từ ngày 1 tháng 7 năm 2024) quy định thông điệp dữ liệu được dùng làm chứng cứ theo Luật này và pháp luật về tố tụng; giá trị làm chứng cứ được xác định căn cứ vào độ tin cậy của cách thức khởi tạo, gửi, nhận hoặc lưu trữ thông điệp, cách thức bảo đảm và duy trì tính toàn vẹn, cách thức xác định người khởi tạo, gửi, nhận thông điệp và các yếu tố phù hợp khác. Luật này đã được một số luật sau đó sửa đổi, bổ sung, nên hãy kiểm tra văn bản hiện hành. Cơ quan có thẩm quyền có chấp nhận một ảnh chụp màn hình cụ thể hay không là câu hỏi pháp lý nằm ngoài hướng dẫn này; hãy hỏi luật sư hoặc cơ quan đang giải quyết vụ việc. Luật Giao dịch điện tử số 20/2023/QH15 trên Công báo

Tiếp theo, viết ra câu hỏi hẹp. “Ảnh này có phải do AI tạo ra không?” khác với “nhãn này có hiển thị đúng model đã đặt không?”. Câu hỏi thứ hai có thể được giải quyết bằng việc kiểm tra thực tế hàng hóa ngay cả khi lịch sử tạo ra toàn bộ bức ảnh vẫn chưa rõ.

Hãy xem hướng dẫn đầu vào của công cụ trước khi chuẩn bị bản phái sinh. Một số dịch vụ quy định phải cắt chỉ còn phần ảnh khi kiểm tra ảnh chụp màn hình. Chẳng hạn, trang trợ giúp xác minh của Gemini, tra cứu ngày 4 tháng 11 năm 2026, có hướng dẫn riêng cho ảnh chụp màn hình: “hãy nhớ cắt sát quanh hình ảnh để có độ chính xác tối đa”, đồng thời lưu ý không tải lên ảnh ghép gồm nhiều hình ảnh riêng biệt. Chỉ dẫn đó thuộc về dịch vụ ấy; không nên coi nó là quy tắc tiền xử lý chung cho các công cụ phát hiện khác. Hãy giữ nguyên ảnh chụp màn hình đầy đủ ngay cả khi dùng một bản cắt làm việc đã được chấp thuận. Hướng dẫn đầu vào xác minh của Gemini (tiếng Việt)

Sau khi phân tích, ghi lại mã tệp, loại phân tích, nhãn kết quả và mọi giới hạn về đầu vào mà công cụ thông báo. Nếu kết quả liên quan đến một vùng, hãy bảo đảm tọa độ hiển thị khớp với hướng ảnh và vùng cắt bạn đã xem. Một phát hiện trên ảnh thu nhỏ không nên được mô tả là phát hiện trên ảnh nguồn được tải lên riêng biệt.

Cuối cùng, hãy chọn yêu cầu bằng chứng tiếp theo. Nếu trở ngại là thiếu chi tiết nguồn, hãy xin tệp đính kèm. Nếu thiếu thông tin nhận diện hàng hóa, hãy xin một ảnh chụp thể hiện cả đặc điểm đang tranh cãi lẫn chính hàng hóa đó. Nếu có tranh chấp giao dịch, hãy tìm bản ghi giao dịch liên quan, chẳng hạn sao kê ngân hàng của chính bạn. Tải lên lại cùng một tệp không thể cung cấp một sự thật mà tệp không chứa.

Ví dụ minh họa: nhãn sản phẩm không đọc được

Một bộ phận mua hàng nhận được ảnh chụp màn hình tin nhắn Zalo của nhà cung cấp, trong đó có ảnh chụp nhãn của một thiết bị. Trong tình huống giả định này, việc nghiệm thu phụ thuộc vào hậu tố model “B”, nhưng ảnh chụp màn hình nhỏ khiến người xem không phân biệt được “B” với “8”. Nhà cung cấp nói ảnh đã được thu nhỏ để gửi qua tin nhắn. Lời giải thích này được ghi nhận, nhưng không mặc nhiên coi là đã được kiểm chứng.

Người xét duyệt mở hồ sơ với một câu hỏi: thiết bị được giao có khớp model đã đặt không? Ảnh chụp màn hình được giữ nguyên như đã nhận. Vùng nhãn được ghi nhận là không đọc được. Một kiểm tra chỉnh sửa, nếu phù hợp với đầu vào đó, có thể định hướng việc xem xét tiếp, nhưng không biến được một ký tự không đọc được thành số model đã xác nhận.

Nếu phân tích ảnh là một phần của lần xem xét giả định này, hãy tách kết quả của nó khỏi việc đọc nhãn. Một cảnh báo chỉnh sửa dùng được đáng để xem xét vùng được nêu và yêu cầu nguồn; nó không quyết định nhãn ghi “B” hay không. Kết quả chưa đủ cơ sở để kết luận giữ câu hỏi về ảnh ở trạng thái mở. Đầu vào không được hỗ trợ cần một tệp phù hợp hơn hoặc một nguồn bằng chứng khác. Hãy dùng đúng các trạng thái kết quả mà nhà cung cấp công cụ đưa ra, đừng tự đặt thêm trạng thái, và đừng coi một lần phân tích thất bại là kết quả âm tính.

Trong một báo cáo của Fileverity, các kết quả này được tách bạch: phân tích ảnh có đánh giá chất lượng đầu vào, nêu rõ tệp có đủ cơ sở để kết luận hay không, nên một ảnh chụp màn hình không phù hợp được báo là không phù hợp thay vì lọt qua như một kết quả không có vấn đề.

Yêu cầu tiếp theo gồm hai phần: tệp ảnh đã lưu trước khi gửi qua tin nhắn, và một ảnh chụp riêng thể hiện cả thiết bị lẫn nhãn của nó. Nhà cung cấp nên dùng kênh giao dịch đã thiết lập; đừng đề nghị họ tạo, làm nét hay vẽ lại nhãn.

Nếu không có nguồn phù hợp cũng không có bản ghi độc lập, hãy giao câu hỏi về model cho người phụ trách nghiệm thu của bộ phận mua hàng, đặt ngày xem xét tiếp theo và ghi lại quyết định tạm hoãn hoặc ngoại lệ nghiệm thu đã được ủy quyền. Dù phải yêu cầu nhiều lần, hồ sơ vẫn phải có người chịu trách nhiệm.

Các kết quả này không nhất thiết dẫn đến kết luận gian lận. Một lần xem xét thành công có thể xác lập rằng hàng hóa đúng, chỉ ra lỗi giao hàng hoặc xác định bằng chứng còn thiếu. Lịch sử tệp và sự phù hợp của hàng hóa nên là hai phát hiện riêng khi chỉ một trong hai được giải quyết. Hình dưới đây tóm tắt quy trình từ lúc nhận ảnh đến lúc ghi lại kết quả.

Xin tệp tốt hơn mà không làm tăng thêm sự không chắc chắn

Hãy dùng một yêu cầu cụ thể, trung lập, giải thích điều còn thiếu:

Chúng tôi chưa đọc được hậu tố model trên ảnh đã nhận. Mong nhận được tệp ảnh đã lưu trước khi đưa vào tin nhắn (nếu còn), cùng một ảnh chụp thể hiện cả thiết bị và nhãn của nó, gửi qua kênh đặt hàng thông thường. Đề nghị không phóng to, làm nét hoặc dựng lại chữ trên nhãn. Nếu chưa có tệp hoặc ảnh chụp đó, mong cho chúng tôi biết để hai bên thống nhất cách xác nhận model khác.

Hãy nêu rõ thông tin nhạy cảm nào là cần thiết và dùng kênh truyền tệp đã được đội ngũ của bạn phê duyệt. Nếu cần che thông tin, hãy giữ bản nguồn ở nơi có kiểm soát truy cập phù hợp và gắn nhãn cho bản đã che. Không gửi thông tin cá nhân hoặc thanh toán không liên quan chỉ để lấy được ảnh độ phân giải cao hơn. Nếu ứng dụng nhắn tin cho phép gửi dưới dạng tệp hoặc tài liệu thay vì dạng ảnh, đó có thể là cách giữ bản gốc tốt hơn vì ảnh gửi dạng ảnh có thể bị nén lại; hãy kiểm tra cách ứng dụng bạn dùng xử lý.

Khi không có tệp nguồn, hãy ghi lại giới hạn đó mà không mặc định rằng bên kia cố tình giấu. Một nguồn khác được ủy quyền, một đợt kiểm tra hoặc một chứng từ thương mại có thể hữu ích hơn việc liên tục xin một bản gốc không thể truy cập.

Đánh giá những tệp mà đội ngũ của bạn thực sự nhận được

Với việc tiếp nhận thường xuyên, hãy so sánh các phương pháp trong điều kiện nhận thực tế mang tính đại diện. Tách riêng tệp nguồn, bản tải về, ảnh chụp màn hình và ảnh chụp lại màn hình. Xác định riêng từng loại phân tích: nguồn gốc của toàn bộ bức ảnh, chỉnh sửa cục bộ hoặc khôi phục thông tin nguồn gốc. Câu “hỗ trợ JPEG” chung chung không phải bằng chứng về hiệu năng trên một ảnh chụp màn hình nhỏ chứa nhiều bức ảnh.

Khi chia một đợt đánh giá thành tập phát triển và tập kiểm tra độc lập, hãy giữ các phiên bản của cùng một bức ảnh ở cùng một tập. Nếu không, nội dung gần như giống hệt có thể xuất hiện ở cả hai tập và khiến đánh giá kém phản ánh đúng các hồ sơ mới. Ghi kết quả theo nhóm nguồn và tình trạng tệp đã nhận, thay vì coi mỗi bản phái sinh là một cảnh độc lập.

Hãy đo độ bao phủ của kết quả dùng được bên cạnh số lỗi và công sức giải quyết các ngoại lệ. Một quy trình yêu cầu bằng chứng tốt hơn với các đầu vào khó có thể hữu ích, nhưng các tệp chưa được đánh giá phải luôn được hiển thị rõ. Đừng lặng lẽ loại chúng ra rồi mô tả độ chính xác còn lại như thể áp dụng cho toàn bộ hồ sơ tiếp nhận. Hướng dẫn về độ chính xác và dương tính giả giải thích kỹ các mẫu số đó.

Công cụ phát hiện ảnh do AI tạo ra của Fileverity cung cấp bản tóm tắt kết quả miễn phí cho ảnh chụp màn hình hoặc ảnh bị nén đầu tiên của bạn. Một lượt báo cáo ảnh mở khóa bằng chứng chi tiết, gồm đánh giá chất lượng đầu vào. Để xem các kênh nhận của riêng bạn hoạt động ra sao, hãy gửi cho chúng tôi kích thước ảnh thường gặp, các đặc điểm cục bộ cần quan tâm và thao tác xét duyệt bạn mong đợi; chúng tôi sẽ cùng đội ngũ của bạn đi qua các trường hợp thực tế. Liên hệ bộ phận kinh doanh. Hãy đo xem kết quả có giúp người xét duyệt giải quyết câu hỏi ban đầu với ít yêu cầu lặp lại hơn hay không. Fileverity phân tích tệp trên máy chủ do Entogo vận hành tại Toronto, Canada và xóa tệp sau khi phân tích hoàn tất. Trang Tin cậy và bảo mật trình bày cách xử lý dữ liệu, gồm triển khai riêng cho Enterprise theo yêu cầu.

Tác giả Yang Zheng