ИИ определяет место съёмки фото по визуальным деталям

Новое исследование компании McAfee продемонстрировало, что современные модели искусственного интеллекта могут точно определять географическое местоположение, где была сделана фотография, опубликованная в социальных сетях. При этом анализ осуществляется исключительно по визуальному содержанию изображения — без использования данных GPS, скрытых геометок в файле или названия файла.

Точность определения местоположения

В ходе исследования использовали более 21 000 фотографий, сделанных во время путешествий. Все метаданные, прямо указывающие на местоположение, были предварительно удалены. Для анализа применялись две открытые модели: Gemma 3 27B от Google и Qwen 3 VL 30B от Alibaba. Обе модели доступны без платной подписки. Gemma достигла точности 87 % в определении города и страны одновременно, а Qwen — 91 %.

Как ИИ распознаёт локацию

Модели не полагаются на геоданные, а анализируют визуальные особенности изображения: архитектуру зданий, вывески, названия магазинов, силуэты горизонта, характер освещения, дорожные знаки, планировку улиц и даже уличные ларьки. Эти элементы сопоставляются с внутренними знаниями модели о различных регионах мира. Определение места съёмки оказывается наиболее точным при наличии узнаваемых туристических достопримечательностей или ярко выраженных визуальных маркеров. В то же время сложности возникают при анализе снимков обычных пляжей, сельских дорог или номеров отелей. Тем не менее, даже в таких случаях ИИ зачастую способен корректно определить страну, хотя и не всегда — город.

Анализ приватных изображений

Эксперимент не ограничивался публично доступными фотографиями. Сотрудники McAfee загружали в ИИ-инструменты — в том числе ChatGPT, Claude и Copilot — личные снимки из своих поездок, включая те, которые ранее не публиковались в интернете, и запрашивали определение места съёмки. В одном из случаев модель успешно идентифицировала пейзаж с рекой и деревьями как расположенный в Хастингсе-он-Хадсон — небольшой деревне в штате Нью-Йорк (США).

Риски для кибербезопасности

Исследование подчёркивает потенциальное злоупотребление этой возможностью мошенниками. Вместо массовых фишинговых рассылок злоумышленники могут собирать публичные фотографии из Instagram, Facebook или X, передавать их в ИИ-модели и получать информацию о месте и, возможно, времени поездки. Эта информация может быть использована для создания убедительных фальшивых сообщений: например, поддельного банковского уведомления о «подозрительной операции» в конкретной стране или ложного оповещения о попытке входа в аккаунт с того же географического региона. Для обмана жертвы не требуется абсолютная точность — достаточно правдоподобной информации.

Скрытые геоданные в обычных фото

Работа акцентирует внимание на растущей угрозе: детали, ранее считавшиеся незначительными — форма дорожного знака, стиль архитектуры, тип уличного ларька — при анализе продвинутыми моделями ИИ превращаются в высокоточные географические данные. Публикация снимка из отпуска означает не только делёж моментом с друзьями и подписчиками, но и потенциальное раскрытие текущего местонахождения пользователя — даже если название локации не указано и приложению запрещено показывать координаты. Однако способность моделей определить точный адрес или реальное местоположение человека в режиме реального времени по одному изображению остаётся ограниченной, особенно когда фото не содержит уникальных визуальных ориентиров.