Come capire se una foto è stata creata con l'intelligenza artificiale

La diffusione di immagini sintetiche sempre più realistiche ha trasformato la capacità di riconoscere una fotografia generata dall'intelligenza artificiale da curiosità tecnologica a necessità pratica. Giornalisti che devono verificare l'autenticità di una foto virale sui social network, avvocati che raccolgono prove digitali per una causa, ricercatori di cybersecurity e semplici cittadini che vogliono capire se un'immagine è reale si trovano oggi di fronte a un problema complesso. Non esiste un singolo strumento magico in grado di fornire un responso definitivo del tipo "questa foto è al 100% generata dall'IA", ma esiste un metodo rigoroso che combina l'analisi visiva, l'ispezione dei metadati e l'uso di specifici standard crittografici. In questo articolo esploriamo come applicare questo metodo, cosa può realisticamente dirci l'analisi tecnica e dove finisce la scienza forense digitale e inizia l'interpretazione umana o legale.

Il primo passo per capire se una foto è stata creata da un modello generativo è osservare l'immagine con attenzione, cercando quegli artefitti visivi che tradizionalmente tradiscono le reti neurali avversarie e i modelli di diffusione. Tra gli elementi da scrutinare ci sono le mani, che spesso presentano un numero errato di dita o posizioni innaturali, i dettagli degli occhi, la coerenza delle ombre rispetto alla direzione della luce, la simmetria eccessiva di volti o architetture e la presenza di testo gibberish sullo sfondo. Tuttavia l'analisi visiva è diventata rapidamente inaffidabile come metodo esclusivo: i modelli più recenti, come Midjourney nella sua versione sei o le ultime iterazioni di Stable Diffusion e DALL-E, producono immagini dove questi artefitti sono minimizzati o del tutto assenti. La sola ispezione umana della grafica non è sufficiente per scopi professionali e tanto meno in tribunale, motivo per cui diventa indispensabile approfondire l'indagine sui dati nascosti dentro il file.

Ogni fotografia digitale, sia che provenga da uno smartphone, da una fotocamera reflex professionale o da un software di generazione, porta con sé una collezione di informazioni nascoste chiamate metadati. Il formato più diffuso per le immagini è senza dubbio il JPEG, e per chi lavora frequentemente con questo tipo di file abbiamo redatto una guida ai metadati JPG online che spiega nel dettaglio come accedere a questi dati nascosti. I metadati EXIF contengono tipicamente il modello della fotocamera, le impostazioni di scatto come tempo di esposizione e apertura del diaframma, la data e l'ora, e talvolta le coordinate GPS della posizione in cui la foto è stata scattata. Quando un'immagine è generata dall'intelligenza artificiale, spesso mancano completamente questi dati di origine hardware: non esiste un valore reale per la lunghezza focale, non ci sono informazioni sul sensore e mancano i dati specifici del produttore della fotocamera. In alcuni casi però il software utilizzato per generare l'immagine inserisce automaticamente dei metadati che identificano il modello come sintetico, oppure il nome del software di editing come Photoshop o GIMP nel campo del programma utilizzato, suggerendo che il file è passato attraverso una fase di post-produzione dopo la generazione iniziale.

Un elemento particolarmente significativo nell'ambito dell'intelligenza artificiale generativa è l'adozione dello standard C2PA, ovvero il Coalition for Content Provenance and Authenticity, un protocollo che sta prendendo piede tra i principali produttori di strumenti di generazione di immagini per garantire la tracciabilità dell'origine dei contenuti. Lo standard C2PA permette di inserire una firma crittografica all'interno del file che attesta la provenienza dell'immagine: se una foto è stata creata con uno strumento conforme a C2PA, i metadati conterranno informazioni strutturate che dichiarano esplicitamente l'uso dell'intelligenza artificiale, il nome dello strumento e persino eventuali modifiche apportate successivamente. Microsoft ha integrato questa segnalazione in prodotti come Designer e Bing Image Creator, e lo stesso approccio viene seguito da Adobe nelle sue applicazioni di generazione visiva. Quando analizziamo un file per verificare l'origine, la presenza o l'assenza di firme C2PA è uno degli indicatori tecnici più solidi a disposizione. FilesAudit supporta l'estrazione delle firme C2PA e analizza i metadati di provenienza dell'intelligenza artificiale, permettendo di verificare se un file contiene questa dichiarazione crittografica di origine sintetica, purché il software di generazione l'abbia effettivamente inserita e che il file non sia stato successivamente rielaborato in modo da cancellarla.

Purtroppo c'è un limite fondamentale a questo approccio: la manipolazione dei metadati è estremamente semplice. Chiunque può aprire un'immagine in un editor qualsiasi e cancellare tutti i metadati EXIF con pochi clic, o sostituirli con valori falsi. È prassi comune per le piattaforme di social network come Facebook, Instagram e WhatsApp rimuovere automaticamente la maggior parte dei metadati delle foto durante l'upload per ridurre le dimensioni del file e proteggere la privacy degli utenti. Questo significa che quando si scarica una foto sospetta da un social network, l'assenza di metadati non dimostra in alcun modo che la foto sia stata generata dall'intelligenza artificiale: potrebbe semplicemente essere una fotografia reale spogliata dei suoi dati di origine dalla piattaforma. Allo stesso modo, un malintenzionato potrebbe prendere una foto generata dall'IA e inserire metadati EXIF falsi per far credere che sia stata scattata con una specifica fotocamera reflex. I metadati da soli non sono una prova inconfutabile e devono essere interpretati nel contesto più ampio dell'indagine.

Per superare i limiti dell'analisi dei metadati, la scienza forense digitale si affida all'ispezione strutturale del file e all'uso di strumenti di machine learning specificamente addestrati a riconoscere i pattern statistici delle immagini sintetiche. Strumenti come Hive Moderation, Sightengine e Intel FakeCatch analizzano il fileassegna a ciascun pixel un punteggio di probabilità di generazione artificiale, cercando anomalie spettrali impercettibili all'occhio umano, analizzando la distribuzione del rumore del sensore e verificando la coerenza spaziale e frequenziale dell'immagine. Questi sistemi raggiungono livelli di accuratezza elevati, ma possono comunque produrre falsi positivi, soprattutto con immagini reali che sono state pesantemente ritoccate con strumenti di editing o filtri di Instagram, e falsi negativi quando si trovano di fronte a modelli di generazione estremamente recenti su cui non sono stati addestrati. Per l'analista forense i risultati di questi strumenti rappresentano un forte segnale, ma non una certezza matematica, e vanno sempre combinati con altri elementi tecnici per costruire un quadro di prove robusto.

In un'indagine forense digitale professionale, l'identificazione di un file come potenzialmente sintetico è solo la prima fase: è poi necessario documentare in modo ineccepibile ogni elemento emerso dall'analisi, in modo che la valutazione possa essere verificata da terzi e utilizzata in procedimenti disciplinari o in tribunale. È qui che entra in gioco la generazione di un report tecnico forense, che deve includere i metadati grezzi estratti dal file, l'eventuale presenza di firme C2PA e gli indicatori di manipolazione rilevati. Quando si utilizza FilesAudit per analizzare un'immagine sospetta, la piattaforma non si limita a mostrare i metadati a schermo, ma genera un documento PDF professionale che documenta in modo chiaro e timestampato tutti gli elementi tecnici emersi. Questo report non stabilisce se una foto sia autentica o meno nel senso legale del termine, ma fornisce una testimonianza tecnica oggettiva sullo stato del file, sui suoi metadati e sulle firme di provenienza, che un consulente tecnico o un perito può poi interpretare alla luce delle specifiche esigenze del caso.

Un aspetto spesso trascurato ma cruciale quando si lavora con immagini potenzialmente generate dall'intelligenza artificiale è la garanzia di integrità del file analizzato. Tra il momento in cui si ottiene la foto sospetta e quello in cui si produce il report forense, è essenziale che il file non venga modificato in alcun modo, nemmeno di un singolo byte. Questo perché ogni modifica, anche banale come una nuova salvatura o un passaggio attraverso un software di visualizzazione, potrebbe alterare i metadati e invalidare le prove. La pratica corretta prevede di calcolare immediatamente un hash crittografico del file originale, come lo SHA-256, e di conservare questo valore come impronta digitale univoca del file al momento dell'acquisizione. Per comprendere l'importanza di questo passaggio, può essere utile consultare la guida alla verifica dell'integrità dei file con hash SHA-256 disponibile sul nostro blog. Se in una fase successoria dell'indagine qualcuno contesta la provenienza del file o suggerisce che sia stato manomesso durante l'analisi, il confronto tra l'hash originale e quello attuale dimostra in modo matematicamente inconfutabile che il file analizzato è esattamente quello originale o che qualcosa è cambiato. FilesAudit calcola automaticamente gli hash SHA-256, MD5 e CRC32 di ciascun file caricato e include questi valori nel report finale, creando un legame crittografico indissolubile tra il file analizzato e il documento prodotto.

Il formato del file analizzato influenza notevolmente la quantità e il tipo di informazioni che è possibile estrarre. Le immagini JPEG possono contenere metadati EXIF elaborati e indicazioni software, le immagini PNG possono includere chunk di testo con informazioni sulla provenienza e gli eventuali artefatti C2PA, mentre i formati più moderni come HEIC usati da iPhone implementano strutture dati diverse e spesso più ricche. PerConsente di[NM1]dominare bene le differenze tra i formati, può essere utile consultare la pagina sui formati supportati dove è possibile vedere l'elenco completo delle estensioni analizzabili dalla piattaforma. Oltre alle immagini, la verifica dell'origine interessa anche i documenti: un PDF generato con strumenti di IA può contenere metadati specifici del software di generazione o riferimenti a servizi cloud. Un approccio completo all'analisi forense di documenti richiede l'estrazione dei metadati di documenti PDF per individuare indizi sull