نشر فريق بقيادة Zhongliang Guo ورقة بحثية في 7 أكتوبر 2026 تصف SRIM، وهي طريقة لدمج تغييرات طفيفة وقائية في الصور تصمد أمام التصغير الذي تُجريه عادةً أدوات التحرير. تفقد أساليب الحماية الحالية فعاليتها عندما تُصغّر الصورة قبل تعديلها بالذكاء الاصطناعي، ما يسمح للأدوات الخبيثة بتغييرها رغم ذلك. تفحص SRIM عدة مقاسات وتركز على أضعفها، لتحافظ على قوة الحماية ضمن نطاق واسع من عوامل التصغير.
ما مدى تفوق SRIM؟
أظهرت اختبارات على صور بدقة تتراوح بين 9 و30 ميغابكسل أن أسوأ حالة من التشويش الذي أحدثه محرر الذكاء الاصطناعي الشائع FLUX.2-klein ارتفعت من 0.192 LPIPS (أفضل نتيجة منشورة سابقًا) إلى 0.463 LPIPS مع SRIM. وعند مستوى الرؤية نفسه، تكون الحماية أقوى بنحو الضعف. ونجحت الطريقة أيضًا مع نماذج أكبر، مثل نسخة تضم 9 مليارات مُعامل وFLUX.2-dev، إذ رفعت درجات أسوأ الحالات إلى 0.450 و0.386 على التوالي، مقارنةً بحد أقصى بلغ 0.184 لوسائل الحماية السابقة. كما حققت أفضل أداء لها مع InstructPix2Pix.
لماذا يهم
بالنسبة إلى المستخدمين العاديين الذين يشاركون صورًا عالية الدقة عبر الإنترنت، قد تجعل SRIM من الأصعب على أدوات الذكاء الاصطناعي تغيير صورهم خلسةً بعد تصغيرها. وتوفر حماية أقوى من دون أن تجعل التشويش المضاف أكثر وضوحًا. لكن التقنية لا تزال نموذجًا بحثيًا أوليًا، ولم تُدمج بعد في تطبيقات الصور الموجهة للمستهلكين.
