ניתוח רמת שגיאה (ELA): איך תמונה ערוכה נחשפת
כשתמונה נשמרת מחדש, אזורים שנערכו "מתנהגים" אחרת מהשאר. הסבר פשוט על ניתוח רמת שגיאה ועל מפת החום שבדוח.
תמונת JPEG נשמרת בדחיסה: היא מחולקת לריבועים קטנים (בדרך כלל 8×8 פיקסלים), וכל ריבוע נדחס. כשתמונה נשמרת שוב, כל הריבועים נדחסים שוב — ואזור שנערך בין השמירות מגיב אחרת. על זה בנוי ניתוח רמת שגיאה (ELA).
הרעיון
- לוקחים את התמונה ושומרים אותה מחדש באיכות ידועה.
- מחשבים את ההפרש בין התמונה המקורית לחדשה, פיקסל אחר פיקסל.
- אזורים שעברו את אותה היסטוריית דחיסה — ההפרש בהם דומה. אזור שהודבק או נערך — ההפרש בו שונה.
כשמציגים את ההפרש כצבע, מקבלים מפה: אזורים "חמים" שונים מסביבתם.
דוגמה
צילום מסך של העברה שבו הסכום שונה מ-450 ל-4,500. במפת ELA, הרקע האחיד של האפליקציה כהה ושקט, הטקסט כולו "חמים" באופן מתון — ומסביב לסכום יש מלבן בוהק יותר מכל שאר הטקסט באותו גודל. זה בדיוק מה שמחפשים: חריגה ביחס לאזורים דומים.
למה זה לא מספיק לבד
- קצוות וטקסט תמיד "חמים" יותר — הם מכילים פרטים חדים.
- צילום מסך (PNG) לא דחוס כמו JPEG, ולכן הניתוח שונה.
- שמירה חוזרת רבה (וואטסאפ, העברות) מטשטשת את ההבדלים.
- עריכה זהירה ששומרת את כל התמונה מחדש באותה איכות יכולה להקטין את ההבדל.
לכן מפת חום טובה משווה את ההפרש לתוכן — אזור עם הפרש גבוה ביחס לכמות הפרטים שבו הוא החשוד, לא כל אזור עם טקסט.
איך משלבים עם בדיקות אחרות
ELA אומר "כאן משהו התנהג אחרת". בדיקות התוכן אומרות "וכאן גם המספר לא מסתדר". כשאזור חם נופל בדיוק על הסכום שגם לא מתיישב עם היתרה — הממצא חזק מאוד. כשאזור חם נופל על לוגו בלבד — כנראה רעש.
מה רואים בדוח
במפת החום של ThisVerify, האזורים המסומנים הם אלו שבהם הדחיסה אינה תואמת לתוכן, יחד עם הממצאים של שאר השכבות — כך שקל לראות אם הסכום או השם הם שבלטו. איך קוראים את הדוח.
בשורה התחתונה
ELA הוא זכוכית מגדלת לדחיסה. בשילוב עם בדיקות תוכן וקובץ — הוא אחד הכלים החזקים לזיהוי עריכה בתמונות.