論文の概要: A Benchmark & Dataset for Detecting AI-Manipulated Visual Evidence in the Court System

• arxiv url: http://arxiv.org/abs/2609.37783v1
• Date: Tue, 29 Sep 2026 15:17:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.670345
• Title: A Benchmark & Dataset for Detecting AI-Manipulated Visual Evidence in the Court System
• Title（参考訳）: 裁判所システムにおけるAI操作型視覚証拠検出のためのベンチマークとデータセット
• Abstract要約: 我々は,CIFAR Synthetic Evidence for Detectioning AI-Manipulated Images, a benchmark for obviousiary image authentication in court and Justice-system contextsを紹介する。 コーパスには、1,505個の写真アイテムが含まれており、720個の認証コントロールと、785個の操作済みまたは製造された画像、監視、ダッシュカム、および消費者写真にまたがる。マニピュレーションは、シーン条件の編集、局所要素の編集、および現代生成システムで生成された完全な製造で構成されている。
• 参考スコア（独自算出の注目度）: 23.115692171558546
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Photographic evidence is becoming increasingly vulnerable to forms of alteration and fabrication that existing legal and technical workflows are not well equipped to evaluate. Surveillance frames, dashcam stills, and phone photographs may be used to establish presence, sequence, causation, damage, or identity, yet contemporary generative systems allow non-experts to alter or fabricate such images through ordinary prompt-based interfaces. Existing image-forensics benchmarks provide important resources for face manipulation, classical tampering, and general synthetic-image detection, but they are not organized around the forms of visual evidence submitted in courts, the localized edits that can change what an exhibit appears to prove, or the consumer-tool threat model now facing the justice system. We introduce the CIFAR Synthetic Evidence Corpus for Detecting AI-Manipulated Images, a benchmark for evidentiary image authentication in court and justice-system contexts. The corpus contains 1,505 photographic items, including 720 authentic controls and 785 manipulated or fabricated images, spanning surveillance, dashcam, and consumer-photo imagery. Manipulations are organized into scene-condition edits, localized element edits, and full fabrications produced with contemporary generative systems. Each item is released with structured metadata covering source provenance, manipulation tier, subtype, generator, prompt template, and scene attributes, enabling controlled evaluation beyond aggregate binary detection. We also establish baselines with publicly available image-manipulation detectors, showing that current systems exhibit error profiles that remain problematic for evidentiary use. The dataset, prompts, metadata, code, and baseline evaluation scripts are released to support research on visual evidence authentication, information integrity, and trustworthy AI for the justice system.
• Abstract（参考訳）: 写真による証拠は、既存の法的および技術的なワークフローが十分に評価できないような変更や製造の形態にますます脆弱になっている。 監視フレーム、ダッシュカムスチール、電話写真は、存在、シーケンス、因果関係、損傷、アイデンティティを確立するために使われるが、現代の生成システムでは、非専門家が通常のプロンプトベースのインタフェースを通じてそのような画像を変更または作成することができる。 既存の画像鑑定ベンチマークは、顔の操作、古典的な改ざん、一般的な合成画像の検出に重要なリソースを提供するが、それらは裁判所に提出された視覚的証拠の形式、展示が証明しているように見えるものを変えることができる局所的な編集、あるいは現在司法システムに直面する消費者とツールの脅威モデルに基づいて組織化されていない。 我々はCIFAR Synthetic Evidence Corpus for Detecting AI-Manipulated Images, a benchmark for obviousiary image authentication in court and Justice-system contextsを紹介する。 コーパスには1,505点の写真アイテムが含まれており、720点の認証コントロールと785点の操作または製造された画像、監視、ダッシュカム、消費者写真が含まれる。 操作はシーン条件の編集、局所化された要素の編集、および現代の生成システムで生成される完全な製造に整理される。 各アイテムは、ソースの出所、操作層、サブタイプ、ジェネレータ、プロンプトテンプレート、シーン属性をカバーする構造化されたメタデータでリリースされ、集約バイナリ検出を越えて制御された評価を可能にする。 また,画像操作検出装置によるベースラインの確立も行っており,現状のシステムでは明らかな使用に問題のあるエラープロファイルが示されている。 データセット、プロンプト、メタデータ、コード、ベースライン評価スクリプトがリリースされ、司法システムのための視覚的証拠認証、情報完全性、信頼できるAIの研究をサポートする。

関連論文リスト

• The CIFAR Synthetic Evidence Corpus for Detecting AI-Generated Evidence [24.317012339005988]
  CIFAR 合成証拠コーパス(CIFAR Synthetic Evidence Corpus)は,証拠検証の厳密な評価を可能にするデータセットである。 コーパスは、フィールドレベルの小さな編集から完全な文書作成まで、複数のドキュメントファミリと操作戦略の範囲にまたがる。 トレーニングとテストデータのソースレベルの分離を図りながら、操作の複雑さと生成方法の両方を体系的に変更するように構成されている。
  論文  参考訳（メタデータ） (2026-06-06T00:43:13Z)
• FraudBench: A Multimodal Benchmark for Detecting AI-Generated Fraudulent Refund Evidence [36.982811727399984]
  FraudBenchは、AIが生成した不正な返金証拠を検出するためのマルチモーダルベンチマークである。 実際のユーザレビューのエビデンスから構築され、eコマース、フードデリバリー、旅行サービスのシナリオにまたがる。 我々は、MLLM、AI生成画像検出器、および人間の被験者を、同じ設定で評価する。
  論文  参考訳（メタデータ） (2026-05-09T09:11:15Z)
• Can Generative Models Actually Forge Realistic Identity Documents? [51.56484100374058]
  オープンソースでパブリックアクセス可能な生成モデルは、IDドキュメントの偽造物を生成することができる。 法定レベルの認証を達成するための、生成的アイデンティティドキュメントの深層化のリスクは過大評価される可能性がある。
  論文  参考訳（メタデータ） (2025-12-25T00:56:50Z)
• Self-Supervised AI-Generated Image Detection: A Camera Metadata Perspective [80.10217707456046]
  カメラメタデータを利用したAI生成画像検出のための自己教師型アプローチを提案する。 分類型EXIFタグを分類することにより,撮影画像のみに特徴抽出器を訓練する。 我々の検出器は、電界中のサンプルに対して強力な一般化と、一般的な良性イメージの摂動に対する堅牢性を提供する。
  論文  参考訳（メタデータ） (2025-12-05T11:53:18Z)
• From Evidence to Verdict: An Agent-Based Forensic Framework for AI-Generated Image Detection [19.240335260177382]
  AIFo(Agent-based Image Forensics)は、マルチエージェントコラボレーションによる人間の法医学的調査をエミュレートする、トレーニング不要のフレームワークである。 従来の手法とは異なり,本フレームワークでは,リバース画像検索,メタデータ抽出,事前学習型分類器,VLM解析など,一連の法医学的ツールを用いている。 我々の総合的な評価は6000のイメージに及び、現代の生成プラットフォームや多様なオンラインソースの画像を含む現実世界のシナリオに挑戦する。
  論文  参考訳（メタデータ） (2025-10-31T18:36:49Z)
• Fragile Watermarking for Image Certification Using Deep Steganographic Embedding [2.9310813529940645]
  国際民間航空機関(ICAO)が定める厳格な基準に従わなければならない。 これらの画像は意図しない劣化や悪意のある操作を受け、顔認識システムを騙す可能性がある。 本研究は,ICAO 対応顔画像の真正性を証明するための能動的メカニズムとして,深部ステガノグラフィーの埋め込みに基づく脆弱な透かしについて検討する。
  論文  参考訳（メタデータ） (2025-04-18T15:51:56Z)
• FakeScope: Large Multimodal Expert Model for Transparent AI-Generated Image Forensics [66.14786900470158]
  本稿では,AIによる画像鑑定に適した専門家マルチモーダルモデル(LMM)であるFakeScopeを提案する。 FakeScopeはAI合成画像を高精度に識別し、リッチで解釈可能なクエリ駆動の法医学的な洞察を提供する。 FakeScopeは、クローズドエンドとオープンエンドの両方の法医学的シナリオで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-03-31T16:12:48Z)
• FakeBench: Probing Explainable Fake Image Detection via Large Multimodal Models [62.66610648697744]
  我々は人間の知覚に関する生成的視覚的偽造の分類を導入し、人間の自然言語における偽造記述を収集する。 FakeBenchは、検出、推論、解釈、きめ細かい偽造分析の4つの評価基準でLMMを調べている。 本研究は,偽画像検出領域における透明性へのパラダイムシフトを示す。
  論文  参考訳（メタデータ） (2024-04-20T07:28:55Z)
• Synthetic Disinformation Attacks on Automated Fact Verification Systems [53.011635547834025]
  本研究では,2つのシミュレーション環境において,自動ファクトチェッカーの合成正反対証拠に対する感度について検討する。 これらのシステムでは,これらの攻撃に対して大幅な性能低下がみられた。 偽情報の発生源としての現代のNLGシステムの脅威の増大について論じる。
  論文  参考訳（メタデータ） (2022-02-18T19:01:01Z)
• A New Approach for Image Authentication Framework for Media Forensics Purpose [0.0]
  本稿では,デジタル画像認証と独創性識別のための新しいデジタル法医学的セキュリティフレームワークを提案する。 このアプローチは、調査中の画像の不正な修正を示す必要があるRGBイメージにシークレットコードを埋め込むことに依存します。
  論文  参考訳（メタデータ） (2021-10-03T18:31:37Z)
• Multi-Modal Video Forensic Platform for Investigating Post-Terrorist Attack Scenarios [55.82693757287532]
  大規模ビデオ分析プラットフォーム(VAP)は、容疑者を特定し証拠を確保するために法執行機関(LEA)を支援する。 本稿では,視覚・音声分析モジュールを統合し,監視カメラからの情報と目撃者からの映像アップロードを融合するビデオ分析プラットフォームを提案する。
  論文  参考訳（メタデータ） (2020-04-02T14:29:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。