การวิเคราะห์หลายชั้น (Multi-layer Analysis)

กลยุทธ์การตรวจจับหลักของระบบ แทนที่จะพึ่งพาสัญญาณเดียว ระบบรัน 3 ชั้นการวิเคราะห์โดยอิสระและรวมผลออกมาเป็นคะแนนความเสี่ยงเดียว

ชั้นที่ 1: วิเคราะห์ข้อความ (Textual Analysis) — สเกลคะแนนอิสระ 0–100%

ดึงข้อมูลและวิเคราะห์ข้อความที่ฝังอยู่ในรูปภาพ

ขั้นตอน:

OCR — ส่งภาพเข้า Surya-OCR (รองรับภาษาไทยและอังกฤษ) เพื่อดึงข้อความทั้งหมด
NLP keyword matching — นำข้อความที่ได้มาวิเคราะห์ด้วย Regular Expression และ/หรือโมเดล NLP ขนาดเล็ก เพื่อหารูปแบบที่บ่งชี้การหลอกลวง

สัญญาณที่ตรวจจับ:

ภาษาแสดงความเร่งด่วน ("ด่วน", "urgent", "โอนด่วน")
คำสัญญาผลตอบแทนสูง ("รับปันผลสูง", "กำไรรับประกัน")
ชื่อบัญชีหรือเบอร์โทรที่อยู่ใน Blacklist
คำสั่งทางการเงินที่น่าสงสัย

ผลลัพธ์: คะแนนความเสี่ยงจากข้อความ (S_text) 0–100%

ชั้นที่ 2: ตรวจสอบแหล่งที่มา (Source Verification) — สเกลคะแนนอิสระ 0–100%

ตรวจสอบว่ารูปภาพเคยถูกเผยแพร่บนอินเทอร์เน็ตหรือไม่ — เป็นตัวบ่งชี้สำคัญของการนำภาพไปใช้ซ้ำในเชิงหลอกลวง

ขั้นตอน:

ส่งรูปภาพ (หรือ URL) ไปยัง Google Vision API เพื่อค้นหาภาพย้อนกลับ (Reverse Image Search)
ระบบนับจำนวนแหล่งที่มาที่แตกต่างกันที่พบภาพคล้ายกัน

เกณฑ์การให้คะแนน:

พบ >= 3 แหล่งที่แตกต่างกัน → ความเสี่ยงจากแหล่งที่มาสูง (ภาพถูกเผยแพร่กว้าง อาจเป็นภาพแอบอ้าง)
พบ = 2 แหล่ง → ความเสี่ยงปานกลาง/ไม่แน่ชัด (medium/uncertain)
พบ <= 1 แหล่ง → ความเสี่ยงต่ำ (ดำเนินการตรวจสอบภาพ AI-Generated ต่อ)

ผลลัพธ์: คะแนนความเสี่ยงจากแหล่งที่มา (S_source) 0–100%

ชั้นที่ 3: ตรวจจับความผิดปกติทางภาพ (Visual Anomaly Detection) — สเกลคะแนนอิสระ 0–100%

ชั้นที่วัดระดับการตัดต่อ/สังเคราะห์ภาพโดยตรง ใช้ Deep Learning ตรวจจับการดัดแปลงระดับพิกเซล

การตรวจสอบย่อย 2 อย่าง:

ตรวจจับการตัดต่อภาพ (Semantic Segmentation-based) — ตรวจจับ splicing, copy-move และการแก้ไขพิกเซล ดูที่ concepts/semantic-segmentation และ concepts/ai-model-segformer
ตรวจจับภาพสังเคราะห์จาก AI — จำแนกว่าภาพถูกสร้างโดยโมเดล Generative AI (เช่น GAN, Diffusion model) หรือไม่

ผลลัพธ์: คะแนนความเสี่ยงทางภาพ (S_visual) 0–100% พร้อม Heatmap สำหรับ XAI ดูที่ concepts/explainable-ai

การไหลของ Pipeline

ผู้ใช้อัปโหลดภาพ
        |
  ตรวจสอบและ Preprocess
        |
  ตรวจสอบ Redis Cache
  ├── Cache Hit → ดึงผลลัพธ์เก่ากลับมาทันที
  └── Cache Miss → รัน Pipeline:
          Task 1: ดึง Metadata/EXIF
          Task 2: OCR & Textual Analysis  → S_text (0-100%)
          Task 3: Visual Forgery Detection → S_visual (บางส่วน)
               |
          พบคำหลอกลวง? → ส่งไป Aggregator ทันที
               |
          Task 4: Reverse Image Search → S_source (0-100%)
               |
           >= 3 แหล่ง? → ความเสี่ยงแหล่งที่มาสูง
           = 2 แหล่ง? → ความเสี่ยงปานกลาง/ไม่แน่ชัด (medium/uncertain)
           < 2 แหล่ง? → Task 5: AI-Gen Detection → S_visual (ครบ 0-100%)
               |
          Aggregator: คำนวณ Overall Risk Score (Hybrid Worst-Case Trigger + Multi-factor Compounding)
               |
          สร้างคำอธิบาย XAI พร้อม Breakdown 3 มิติ
               |
          เก็บข้อมูลใน PostgreSQL, cache hash ใน Redis
               |
          ส่ง JSON ผลลัพธ์กลับ Client

EXIF Metadata กับ Pipeline

API Gateway ดึง EXIF Metadata (เช่น พิกัด GPS, รุ่นกล้อง, Software และวันเวลา) และเก็บไว้เป็นข้อมูลประกอบเพื่อแสดงผลเท่านั้น EXIF ไม่ถูกแปลงเป็นคะแนนและไม่เข้าสูตร Overall Risk Score โค้ดปัจจุบันคำนวณจาก 3 มิติเท่านั้น: S_visual, S_textual และ S_source

ประเด็นสำคัญ

ทั้ง 3 มิติประเมินคะแนนแยกกันเป็นอิสระ (0–100%) ตามหลัก Fraud Detection & Forensics
EXIF เป็น display-only metadata ไม่ใช่มิติที่ 4 ของ Risk Score
สรุปคะแนนรวมด้วยหลัก Worst-Case Trigger: $S_{base} = \max(S_{visual}, S_{text}, S_{source})$ เพื่อป้องกันปัญหา Dilution ไม่ให้ด้านที่ปลอดภัยมาฉุดคะแนนด้านที่อันตรายลง
เสริมคะแนนด้วย Multi-Factor Compounding: หากพบความเสี่ยงปานกลางขึ้นไปในมิติอื่น ($\ge 40$) จะเพิ่มคะแนนความเสี่ยง +5 ต่อมิติ
การ Cache ด้วย Redis image hash ทำให้การส่งรูปซ้ำได้รับคำตอบทันทีโดยไม่ต้องรัน AI ซ้ำ