← Die CLR-Reise

Die Hypothese – Zerbrechlichkeit bedeutet Echtheit

Der konzeptionelle Kern von CLR, den ich zwischen v1.2 und v1.3 formalisiert habe, zusammengestellt aus meinen ursprünglichen Forschungsnotizbüchern und Patentoffenlegungsnotizen.

Eine Rekonstruktionshypothese

Wenn etwas zerstört werden kann und nie perfekt zurückgebracht wird, deutet das darauf hin, dass es echt war. Wenn etwas zerstört und dann rekonstruiert werden kann, deutet das darauf hin, dass es generiert wurde. Zerbrechlichkeit bedeutet Echtheit. Wiederherstellbarkeit bedeutet Simulation.

Eine echte Fotografie ist das Ergebnis einer irreversiblen physikalischen Kette:

text
scene → optics (PSF) → sensor (Bayer, PRNU, shot noise, dark current) → ADC → image

Jede Stufe prägt Information auf, die an ein bestimmtes Stück Silizium in einem bestimmten Moment gebunden ist – Rauschen, das räumlich inkohärent ist, physikalisch durch Quantenmechanik und Festkörperphysik motiviert und an das Pixelraster gebunden. Ein generiertes Bild ist das Ergebnis einer anderen Kette:

text
Gaussian noise z → denoising trajectory (T steps of a learned score function) → image

eine Viele-zu-eins-Abbildung, deren „Rauschen“ von der Innenwelt des Modells strukturiert wird, nicht von Pixelpositionen. Authentizität ist keine Qualität, die man synthetisieren kann; sie ist ein Rückstand davon, verursacht worden zu sein.

Die Sonde: ein geometrischer Round-Trip

Die Warp-Sonde operationalisiert das. Man nimmt eine kleine Kachel T, wendet eine kleine zufällige perspektivische Homografie H mit Stärke s an und invertiert sie dann:

text
R(s) = | T − H⁻¹( H( T ; s ) ; s ) |

Die doppelte Neuabtastung verwürfelt rastergebundene Mikrotextur proportional zu s. Echtes PRNU wird mit einer charakteristischen Rate zerstört; synthetische Textur – die physikalisch nie an ein Raster gebunden war – reagiert anders.

Ich gab der Messung bewusst eine dreistufige Struktur, und sie richtig hinzubekommen war für die Anmeldung wichtig:

  • Trials (ein festes Bündel pro Stärke): Viele zufällige Homografien werden per Round-Trip durchlaufen und ihre Residuumskarten gemittelt – so werden gerichtete Störungen zu einer näherungsweise isotropen Residuumsschätzung bei dieser Stärke. Die Trials werden nie miteinander verglichen; sie dienen der Varianzreduktion.
  • Differenziell (über Stärken hinweg, innerhalb einer Region): die Fragilitätsrate FR = (R(s_high) − R(s_low)) / (s_high − s_low), berechnet über ein Paar aus niedriger und hoher Stärke, das weit innerhalb des wahrnehmungsmäßig unsichtbaren Bereichs gewählt ist. Die diskriminierende Größe ist ∂R/∂s – die Rate der Zerstörung, die den Basisinhalt aufhebt und die empirisch falsche Rahmung „generierte Bilder werden perfekt rückgängig gemacht“ der Absolut-Residuum-Ansätze korrigiert.
  • Regionenübergreifend (über zwei entfernte Regionen, bei einer Stärke): Korrelations- und Energieverhältnisvergleiche zwischen den Residuumskarten geometrisch gepaarter Kacheln – oben links gegen unten rechts. Wenn beide Patches Residuen erzeugen, die unter derselben projektiven Transformation kohärent sind, bewohnen sie ein physikalisches Koordinatensystem; das Motiv war nur möglich, wenn es in der realen Welt aufgenommen wurde. Die Invariante, die gelernt wird, ist die Physik, nicht das Muster.

Die Steigung, nicht der Score

Der Hypothesen-Score und der lokale (XGBoost pro Kachel) Score sind zwei orthogonale Sonden – die Außen- und die Innensicht. Keine allein genügt; ihre Beziehung ist das Signal:

  • slope = hypothesis − local. Das Vorzeichen ist das Urteil; der Betrag ist die Konfidenz. Absolute Scores unter 0,5 können über die Richtung trotzdem richtig klassifizieren.
  • R(W) = W × slope akkumuliert die Divergenz: Eine steigende Kurve ist das physikalische Substrat, das sich behauptet; eine fallende Kurve ist sein Fehlen. Die Geometrie der Divergenz ist das Urteil – das Überschreiten eines Schwellenwerts ist zweitrangig.

Die Steigung, räumlich gemacht: das Delta Hypothese minus lokal pro Kachel. Die echte Fotografie (links) ergibt eine positive Steigung; das generierte Porträt (rechts) leuchtet an Generierungs-Hotspots auf und fällt negativ aus. Wo das Delta rot ist, würde Ihr Auge innehalten – die Hypothese und die menschliche Wahrnehmung konvergieren, weil beide physikalische Plausibilität prüfen.

Warum diese Rahmung dauerhaft ist

Die Glättung, die der generativen Synthese inhärent ist, gehört zur Optimierung auf ein Ziel hin. Mehr Daten und Parameter machen die generative Mannigfaltigkeit glatter, nicht physikalischer – ein auf diese Eigenschaft gegründeter Detektor verfällt also nicht mit der Generatorgröße, wie es Fingerabdruck-Matcher tun. FLUX, Midjourney, SD – keines simuliert PRNU. Die Hypothese erkennt keine Modelle; sie erkennt das Fehlen eines Sensors.

Zwei Randbedingungen sah ich von Anfang an und möchte sie ehrlich benennen:

  • Kompression trägt das Substrat ab. Starkes JPEG und ML-Nachbearbeitung im Stil von DeepFusion schwächen beide das PRNU. Echte Bilder nahe slope = 0 sagen Ihnen, dass ihre physikalische Geschichte teilweise gelöscht wurde. Die Architektur stützt sich auf relative Größen – Verhältnisse und Differenzen, die mathematisch invariant gegenüber gleichförmiger Skalierung sind –, gerade um erneute Kodierung zu überstehen.
  • Biometriefrei von der Konstruktion her. Nirgends in der Pipeline gibt es ein Gesichts-, Körper- oder Identitätsmodell; markante Regionen werden allein über Gradientenenergie lokalisiert. Das ist eine Datenschutzhaltung (DSGVO/CCPA/BIPA kommen gar nicht ins Bild) und eine Abdeckungseigenschaft – die Sonde funktioniert bei Szenen, Objekten und Dokumenten, nicht nur bei Menschen.

In Kapitel 5 teste ich die stärkste Fassung dieser Behauptung – Architekturagnostik – und breche sie. Aber innerhalb der Verteilung von Kamerafotos, auf der ich sie aufgebaut habe, hält die Physik, und das nächste Kapitel ist der empirische Aufstieg, in dem ich sie Feature für Feature bewiesen habe.