Unsere KI-Erkennungstechnologie

ML-Erkennung

Unsere ML-Erkennung nutzt modernste Transformer-Modelle, die auf Millionen von Bildern trainiert wurden.

PRNU-Analyse

Photo Response Non-Uniformity (PRNU) detects unique camera sensor fingerprints from manufacturing imperfections. AI images cannot replicate these authentic sensor signatures.

Frequenzanalyse

Die Frequenzdomänenanalyse untersucht die Verteilung von Hoch- und Niederfrequenzkomponenten in einem Bild. KI-generierte Bilder fehlt typischerweise das natürliche Hochfrequenzrauschen echter Fotografien.

Gradientenanalyse

Analyzes edge patterns and texture characteristics using Sobel, Canny, and Laplacian operators. AI images often have unnaturally smooth or uniform gradients.

Rauschmuster

Echte Fotografien enthalten einzigartige Rauschmuster von Kamerasensoren, die über das Bild variieren. KI-generierte Bilder haben eine unnatürlich gleichmäßige Rauschverteilung.

Metadatenanalyse

Bildmetadaten enthalten wertvolle Hinweise auf den Ursprung. Wir analysieren EXIF-Daten, Softwaresignaturen und andere eingebettete Informationen, um KI-Generierungswerkzeuge zu identifizieren.

GAN-Fingerabdruck

Erkennt GAN-spezifische Artefakte wie Schachbrettmuster, Farbbanding und spektrale Anomalien.

Texturanalyse

Local Binary Pattern Analyse für Texturanomalien in KI-generierten Bildern.

Anatomische Erkennung

KI-Bildgeneratoren erzeugen oft anatomische Fehler, die Menschen sofort als falsch erkennen. Wir nutzen Computer Vision, um diese verräterischen Fehler zu erkennen.

C2PA-Verifizierung

C2PA (Coalition for Content Provenance and Authenticity) ist ein Industriestandard zur Verfolgung von Ursprung und Geschichte digitaler Inhalte durch kryptografische Signaturen.

Semantic Inconsistency Detection

Detects logical inconsistencies like incorrect shadows, impossible perspectives, distorted reflections, and violations of physical laws that AI often produces.

Human Biometric Analysis

Uses MediaPipe to analyze human anatomy for incorrect finger counts, asymmetric eyes, unnatural skin texture, and other anatomical anomalies common in AI-generated faces.

Lighting Physics Validation

Validates light source consistency, shadow direction physics, specular highlight accuracy, and color temperature uniformity across the image.

Compression Artifact Analysis

Analyzes JPEG compression artifacts to estimate quality levels and detect re-compression patterns that indicate image manipulation or AI generation.

Edge Sharpness Analysis

Analyzes sharpness distribution across the image and validates depth-of-field consistency. AI often produces unnaturally uniform sharpness.

Statistical Pattern Analysis

Analyzes statistical properties including Shannon entropy, histogram patterns, and Benford's Law compliance to detect synthetic image characteristics.

Chromatic Aberration Analysis

Detects the absence of chromatic aberration (color fringing) that real camera lenses produce. AI images lack these optical artifacts.

Micro-Texture Analysis

Analyzes microscopic texture patterns for repetition, uniformity, and unnatural randomness that AI generators often exhibit.

Color Palette Analysis

Analyzes color distribution including saturation levels, color diversity, and white balance consistency. AI images often have oversaturated colors.