Adversarial ML
CLR की यात्रा
पर्सपेक्टिव-वार्प की एक जिज्ञासा से on-device प्रोवेनेंस स्टैक तक: A.I. से बनी तस्वीरें पकड़ने वाला भौतिकी-प्रथम डिटेक्टर बनाते हुए मेरा रिसर्च लॉग।
सारे आँकड़े मेरी मूल रिसर्च नोटबुक से चुने गए हैं। यहाँ दिया हर नंबर मैंने खुद मापा है, और मैंने जीत के साथ-साथ खंडन भी रखे हैं। गद्य का मसौदा उन्हीं नोटबुक और बहीखातों से A.I. की मदद से तैयार हुआ, फिर मैंने उसे संपादित किया।
CLR (“Computational Light Reconstruction”) एक ऐसे सवाल से शुरू हुआ जिसे मैं छोड़ नहीं पा रहा था: अगर असली फ़ोटो भौतिकी का एक रिकॉर्ड है, तो क्या मैं कंटेंट को देखे बिना ही उस भौतिकी की अनुपस्थिति पकड़ सकता हूँ? यह पोस्ट इस यात्रा को क्रम से दोहराती है: शुरुआती तीन-आर्किटेक्चर वाली खोज, वह परिकल्पना जिसने समस्या को नए ढंग से गढ़ा, v1.8 तक फ़ीचर-दर-फ़ीचर AUC की चढ़ाई, वह फ़्यूज़न जिसने वार्प की सीमा तोड़ी, v2.0 की वह जाँच जिसने मेरे ही सामान्यीकरण के दावे का खंडन किया, और रूट किया हुआ स्पेशलिस्ट स्टैक जो आज on-device चलता है।
इसे लाइव आज़माइए: obscur.rao.nyc, मौजूदा स्टैक, आपकी अपनी तस्वीरों पर चलता हुआ।
पहचान, सिंथेटिक मीडिया की जवाबदेही के उस बड़े प्रयास का एक ही आधा हिस्सा है जिस पर मैं काम कर रहा हूँ। दूसरा हिस्सा रोकथाम का है: मेरा प्रस्तावित Candidate Likeness Registry तर्क देता है कि भ्रामक हमशक्लों को जनरेशन के समय ही रोक दिया जाए, किसी फ़ीड तक पहुँचने से पहले।
यह एक खुला रिसर्च लॉग है, पीछे मुड़कर देखा गया ब्योरा नहीं। CLR पर काम जारी है। नीचे का आख़िरी वर्शन बताता है कि काम आज कहाँ खड़ा है, यह नहीं कि वह कहाँ ख़त्म होता है, और यहाँ किसी भी चीज़ को अभी तक ठीक से डिप्लॉय नहीं किया गया है; ऊपर का डेमो उसके सबसे क़रीब है। पूरी रिसर्च प्रक्रिया मैंने अकेले बनाई है: कॉर्पस, फ़ीचर स्टोर, रीट्रेन फ़्लाईव्हील, और वह बैटरी जो हर प्रमोशन पर रोक लगाती है। इसी स्वतंत्रता की वजह से यह यात्रा अब तक इतनी आनंददायक रही है। एक खंडन एक दोपहर में पूरी रोडमैप को नए सिरे से सजा सकता है, जो अध्याय 5 में ठीक वैसा ही हुआ, और उसे दबाने के लिए मुझ पर कोई दबाव नहीं होता, इसलिए आगे के अध्याय उन सभी खंडनों को सामने रखते हैं।
हर अध्याय अपने में पूरा एक पेज है। क्रम से पढ़िए, या नीचे की विषय-सूची से किसी अहम बिंदु पर सीधे पहुँचिए।
यात्रा एक नज़र में
v1 3 architectures in parallel (transformer / GAN / trees) — trees win on probe scalars
v1.3 hypothesis-grounded features only ...................... AUC 0.627
v1.4–1.5 + residual-heterogeneity and cross-recovery features ... AUC 0.754
v1.6 high-pass content isolation (the pivot)
v1.7 + seam features ....................................... AUC 0.761
v1.8 the 10-feature descriptor FROZEN ...................... AUC 0.775 (tile), ~0.73 (image)
v1.9 warp ⊕ DINOv2 ⊕ capture signature ..................... image AUC 0.897
v2.0 cross-source probe: warp/dino/capture ALL sign-invert
on unseen 2025 generators — generalization = data coverage
v2.3 JPEG container provenance signs raw captures at 0.998
v2.4 shipped regime: hardened warp + fusion (AUC 0.922), full Swift parity
v2.5+ flywheel (scrape → features → warm-start retrain → battery → promote),
specialist priors, domain heads, x-domain gate
v2.6–2.7 directional signatures · WarpGAN distillation (student beats teacher)
next proper deployment — the chapter that isn't written yetइसे कैसे पढ़ें
- वार्प राउंड-ट्रिप रेज़िड्यूअल हर चीज़ की रीढ़ है: 32 px की एक टाइल को एक छोटे रैंडम होमोग्राफ़ी से वार्प कीजिए, वापस वार्प कीजिए, और मापिए कि दोहरी रीसैंपलिंग ने क्या नष्ट कर दिया। असली सेंसर नॉइज़ नाज़ुक होता है; सिंथेटिक टेक्सचर नहीं। अध्याय 2 इसे सटीक बनाता है।
- आँकड़े उसी स्तर पर बताए गए हैं जिस पर उन्हें मापा गया: प्रति-टाइल AUC (जानबूझकर कमज़ोर), प्रति-इमेज AUC (एग्रीगेशन से सिग्नल वापस मिलता है), और होल्ड-आउट बैटरी के नतीजे (जो तय करते हैं कि क्या शिप होगा)।
- यहाँ नकारात्मक नतीजे पहली श्रेणी के नागरिक हैं। क्रॉप-बायपास का फ़िक्स, सीम फ़ीचर्स का मर जाना, v2.0 की इनवर्शन टेबल, और एनॉमली-रूट का खंडन, इनमें से हर एक ने मेरी ज़्यादातर जीतों से ज़्यादा आर्किटेक्चर को बदला।
विषय-सूची