- Có hai loại dấu kỹ thuật: thủy vân ẩn như SynthID, nằm trong chính nội dung ảnh; và Content Credentials theo chuẩn C2PA, nằm trong siêu dữ liệu của tệp, ghi nguồn gốc và lịch sử chỉnh sửa.
- Công cụ kiểm tra trong Gemini chỉ nhận ra nội dung do AI của Google tạo hay sửa. Không thấy thủy vân nghĩa là không do AI của Google, nhưng vẫn có thể do AI khác.
- Siêu dữ liệu dễ mất khi chụp màn hình, gửi qua ứng dụng nhắn tin hay đổi định dạng. Không có siêu dữ liệu không chứng minh được gì.
- Kết hợp nhiều cách: dấu kỹ thuật, tìm ảnh ngược, soi chi tiết, và quan trọng nhất là hỏi ảnh đến từ đâu.
Code trong bài là Python, chỉ dùng thư viện chuẩn; phần kiểm dùng thêm Pillow bản 13.0.0. Tên hãng máy và dữ liệu trong phần kiểm là giả lập.
Hai loại dấu kỹ thuật
Loại thứ nhất là thủy vân ẩn. SynthID của Google DeepMind gắn một tín hiệu không nhìn thấy vào chính các điểm ảnh, sóng âm hay khung hình. Trang trợ giúp của OpenAI cho biết ảnh do ChatGPT và API của OpenAI tạo mang thủy vân SynthID, trừ ảnh API từ vài mô hình sắp ngừng như gpt-image-1, gpt-image-1.5. Vì nằm trong nội dung, thủy vân chịu được chỉnh sửa nhẹ, cắt bớt hay chụp màn hình; cắt mạnh hay nén nhiều có thể làm mất nó.
Loại thứ hai là Content Credentials, thông tin về nguồn gốc và lịch sử của tệp theo chuẩn mở do liên minh C2PA xây dựng. Trang trợ giúp của Google ví nó như một hộ chiếu số, dùng cho cả nội dung AI lẫn không AI: máy ảnh, tòa soạn báo cũng dùng chuẩn này để chứng nhận ảnh chụp thật. Thông tin này nằm trong siêu dữ liệu của tệp, nên có thể chi tiết hơn thủy vân, nhưng cũng dễ mất hơn.
Công cụ kiểm tra trong Gemini
Trang trợ giúp của Google, đọc ngày 11/11/2026, mô tả công cụ xác minh có trong ứng dụng Gemini cho người dùng đã đăng nhập. Bạn tải lên một ảnh, video hoặc tệp âm thanh, tối đa 100 MB, video dưới 90 giây, âm thanh dưới một giờ, rồi hỏi một câu như "ảnh này có do AI tạo không". Nếu chụp màn hình một ảnh để kiểm tra, trang khuyên cắt sát quanh ảnh và không ghép nhiều ảnh khác nhau vào một.
Cách đọc kết quả là phần quan trọng. Nếu thấy thủy vân SynthID, toàn bộ hoặc một phần ảnh đã được AI của Google tạo hay sửa. Nếu không thấy, ảnh không do AI của Google tạo hay sửa, nhưng vẫn có thể do hệ thống AI khác tạo. Trang ghi rõ: dù các công ty khác đã bắt đầu dùng SynthID, Gemini hiện chỉ nhận ra nội dung do công cụ AI của Google tạo. Có trường hợp không rõ ràng, như ảnh quá đơn giản không đủ chi tiết để gắn thủy vân, hay chỉnh sửa quá nhỏ. Với Content Credentials, Gemini cho xem tóm tắt thành phần, lịch sử chỉnh sửa và việc có dùng AI hay không.
Tự đọc siêu dữ liệu bằng Python
Theo đặc tả C2PA phiên bản 2.2, trong tệp PNG, kho Content Credentials nằm trong một chunk kiểu caBX; trong tệp JPEG, nằm trong đoạn APP11. Đoạn Python dưới đây đọc cấu trúc tệp PNG hoặc JPEG, báo có hay không có chỗ chứa đó, và đọc thêm tên hãng, đời máy chụp trong khối EXIF nếu có.
"""Soát siêu dữ liệu của một tệp ảnh PNG hoặc JPEG: có dấu Content Credentials (C2PA) không,
có thông tin máy chụp (EXIF Make, Model) không.
Theo đặc tả C2PA 2.2: trong PNG, kho manifest nằm trong chunk kiểu 'caBX'; trong JPEG, nằm trong
đoạn APP11. Chương trình chỉ báo CÓ hay KHÔNG có chỗ chứa đó; nó KHÔNG kiểm chữ ký số, nên
không xác nhận được manifest là thật. Muốn xác minh, dùng công cụ kiểm Content Credentials.
Không có siêu dữ liệu không có nghĩa ảnh là thật hay giả: chụp màn hình, gửi qua ứng dụng
nhắn tin, đổi định dạng đều có thể xóa siêu dữ liệu. Chỉ dùng thư viện chuẩn.
Chạy: python soat_sieu_du_lieu.py anh.jpg
"""
import struct
import sys
def doc_png(du_lieu):
"""Trả về danh sách kiểu chunk theo thứ tự."""
if du_lieu[:8] != b"\x89PNG\r\n\x1a\n":
raise ValueError("không phải PNG")
i, cac = 8, []
while i + 8 <= len(du_lieu):
dai = struct.unpack(">I", du_lieu[i:i + 4])[0]
cac.append(du_lieu[i + 4:i + 8].decode("latin-1"))
i += 12 + dai
return cac
def doc_jpeg(du_lieu):
"""Trả về danh sách (mã đoạn, nội dung) cho các đoạn APPn trước dữ liệu ảnh."""
if du_lieu[:2] != b"\xff\xd8":
raise ValueError("không phải JPEG")
i, cac = 2, []
while i + 4 <= len(du_lieu) and du_lieu[i] == 0xFF:
ma = du_lieu[i + 1]
if ma == 0xDA: # bắt đầu dữ liệu ảnh nén
break
dai = struct.unpack(">H", du_lieu[i + 2:i + 4])[0]
cac.append((ma, du_lieu[i + 4:i + 2 + dai]))
i += 2 + dai
return cac
def exif_make_model(app1):
"""Đọc tag 0x010F (Make) và 0x0110 (Model) ở IFD0 của khối Exif trong APP1."""
if not app1.startswith(b"Exif\x00\x00"):
return {}
t = app1[6:]
bo = "<" if t[:2] == b"II" else ">"
ifd = struct.unpack(bo + "I", t[4:8])[0]
so = struct.unpack(bo + "H", t[ifd:ifd + 2])[0]
ket = {}
for k in range(so):
p = ifd + 2 + 12 * k
tag, kieu, dem = struct.unpack(bo + "HHI", t[p:p + 8])
if tag in (0x010F, 0x0110) and kieu == 2:
o = p + 8 if dem <= 4 else struct.unpack(bo + "I", t[p + 8:p + 12])[0]
ket["Make" if tag == 0x010F else "Model"] = t[o:o + dem].rstrip(b"\x00").decode("latin-1")
return ket
def soat(du_lieu):
if du_lieu[:8] == b"\x89PNG\r\n\x1a\n":
cac = doc_png(du_lieu)
return {"dinh_dang": "PNG", "c2pa": "caBX" in cac, "exif": {}}
doan = doc_jpeg(du_lieu)
exif = {}
for ma, nd in doan:
if ma == 0xE1:
exif.update(exif_make_model(nd))
return {"dinh_dang": "JPEG", "c2pa": any(ma == 0xEB and b"c2pa" in nd for ma, nd in doan), "exif": exif}
def in_ket_qua(kq):
print("Định dạng:", kq["dinh_dang"])
print("Có chỗ chứa Content Credentials (C2PA):", "có" if kq["c2pa"] else "không")
print("Thông tin máy chụp trong EXIF:", kq["exif"] or "không có")
if not kq["c2pa"] and not kq["exif"]:
print("Không có siêu dữ liệu nào: chưa kết luận được gì; thử tìm ảnh ngược và hỏi nguồn gốc.")
if __name__ == "__main__":
if len(sys.argv) < 2:
print(__doc__)
else:
with open(sys.argv[1], "rb") as f:
in_ket_qua(soat(f.read()))
Chương trình chỉ báo có hay không có chỗ chứa; nó không kiểm chữ ký số của Content Credentials, nên không xác nhận được thông tin trong đó là thật. Phần kiểm đi kèm dùng thư viện Pillow tạo một ảnh JPEG có thông tin máy chụp giả lập và xem chương trình đọc đúng; rồi chèn một đoạn APP11 vào JPEG, một chunk caBX vào PNG, xác nhận Pillow vẫn mở được hai tệp đó, và chương trình phát hiện đúng.
Thử với ảnh của chính bạn: ảnh chụp bằng điện thoại thường có thông tin máy chụp; cùng ảnh đó sau khi gửi qua ứng dụng nhắn tin hay chụp màn hình thường mất sạch. Đó là lý do không có siêu dữ liệu chẳng chứng minh được ảnh thật hay giả.
Nhìn bằng mắt và hỏi nguồn
Trang trợ giúp của Google gợi ý thêm vài cách không cần công cụ đặc biệt. Soi các lỗi hay gặp ở ảnh AI: chữ trong ảnh méo hoặc vô nghĩa; lỗi ở chi tiết nhỏ như bàn tay, răng, vật phía sau; bóng đổ và ánh sáng không khớp nhau; họa tiết lặp lại trông không tự nhiên. Tìm ảnh ngược, như bằng Google Hình ảnh, để thấy ảnh đã từng xuất hiện ở đâu, có nguồn gốc rõ ràng không. Nếu có tệp gốc, xem siêu dữ liệu.
Nhưng các lỗi nhìn thấy đang ít dần khi mô hình tốt lên. Câu hỏi mạnh nhất vẫn là: ai đăng ảnh này đầu tiên, họ có lý do gì để đăng, và có nguồn đáng tin nào khác cho cùng sự kiện không. Đây cũng là kỹ năng kiểm tra thông tin mà bài AI bịa thông tin nhắc tới với văn bản.
Video và âm thanh cũng vậy
Những gì nói ở trên không chỉ áp dụng cho ảnh. Công cụ trong Gemini cũng nhận video và tệp âm thanh. Với video, trang trợ giúp ghi Gemini sẽ cho biết thủy vân SynthID xuất hiện ở đoạn nào; điều đó không có nghĩa là mọi khung hình trong đoạn đó đều mang thủy vân. Trang của OpenAI cho biết âm thanh do ChatGPT hay API của OpenAI tạo mang một thủy vân không nghe thấy, gắn vào chính sóng âm.
Giọng nói giả đặc biệt nguy hiểm vì dễ dùng để lừa qua điện thoại: một cuộc gọi giọng người quen nhờ chuyển tiền gấp. Ở đây, công cụ kỹ thuật gần như vô dụng vì bạn không có tệp để kiểm. Cách phòng là thói quen: gọi lại bằng số bạn đã lưu sẵn, hoặc hỏi một câu chỉ người thật mới trả lời được. Gia đình có thể thống nhất trước một câu hỏi như vậy.
Một bài luyện cho cả lớp
Thầy cô có thể biến chủ đề này thành một buổi học kỹ năng. Chuẩn bị mười ảnh: vài ảnh chụp thật của trường, vài ảnh AI tạo theo cùng chủ đề, vài ảnh thật đã chụp màn hình. Chia nhóm, mỗi nhóm đoán ảnh nào thật, ảnh nào AI, và phải ghi lý do cho từng ảnh. Sau đó mới dùng công cụ: đọc siêu dữ liệu bằng đoạn Python ở trên, thử công cụ kiểm tra trong Gemini, tìm ảnh ngược. So kết quả với dự đoán.
Bài học thường rút ra là mắt người hay đoán sai, công cụ chỉ trả lời được một phần, còn ảnh thật bị chụp màn hình thì mất hết dấu vết. Điều học sinh mang về không phải danh sách mẹo, mà là thói quen hỏi nguồn trước khi tin và trước khi chia sẻ.
Khi bạn là người tạo ảnh
Nhận biết ảnh AI cũng là trách nhiệm của người tạo. Khi dùng ảnh AI trong bài làm hay bài đăng, ghi rõ là ảnh AI. Đừng xóa siêu dữ liệu hay cố làm mất thủy vân. Đừng tạo ảnh người thật trong tình huống họ không hề có mặt. Bài tạo ảnh bằng ChatGPT nói thêm về dấu hiệu nguồn gốc trong ảnh của OpenAI, còn bài tăng độ phân giải bằng AI giải thích vì sao ảnh "làm nét" bằng AI không còn là bằng chứng.
- Kết luận ảnh là thật chỉ vì công cụ không tìm thấy thủy vân.
- Kết luận ảnh là giả chỉ vì không có siêu dữ liệu.
- Chia sẻ ảnh gây sốc trước khi tìm nguồn gốc.
- Tạo ảnh AI về người thật rồi đăng như ảnh chụp.
Câu hỏi thường gặp
SynthID là gì?
Thủy vân ẩn do Google DeepMind phát triển, gắn vào chính nội dung do AI tạo; ảnh của Google và của OpenAI đều mang nó.
Gemini nhận ra mọi ảnh AI không?
Không. Gemini hiện chỉ nhận ra nội dung do công cụ AI của Google tạo hay sửa.
Content Credentials nằm ở đâu trong tệp?
Theo đặc tả C2PA 2.2: chunk caBX trong PNG, đoạn APP11 trong JPEG.
Ảnh không có siêu dữ liệu thì sao?
Chưa kết luận được gì; chụp màn hình hay gửi qua ứng dụng nhắn tin thường xóa siêu dữ liệu.
Học tiếp
Nếu bạn muốn học Python và AI bài bản cùng giảng viên, tham khảo khóa học AI của Big-O Coding.
Khóa AI – Introduction to Machine Learning: nền tảng Máy học từ thuật toán cơ bản đến Neural Networks và LLM, học bằng Python. Học thử buổi 1 miễn phí.


