你可能不知道，一张看似普通的JPG照片，其实比你更会“记仇”。它记得拍摄时间、相机型号、甚至你的GPS坐标，连你当时用了什么测光模式都悄悄存了下来。我以前也不信，直到有一次用相机拍照发到群里，有个朋友隔几分钟就说出我所在的小区，我还以为他跟踪我。后来才知道，是照片的EXIF信息里带着经纬度，他用一个在线工具就调出来了。那次之后，我对图片信息这回事产生了兴趣，越查越觉得水很深。
先说说最常见的EXIF文件头。这东西其实就是相机或手机在拍照瞬间写入的一段数据，标准里规定了上百个标签。比如一张图用记事本打开，能在头部看到JFIF、Exif等字符串，但真正想挖全，建议用FastStone或ExifTool。拿ExifTool来说，一句话命令exiftool -a -u -g1 /path/photo.jpg就能列出所有元数据，有时候你会看到一堆看不懂的Tag，比如SensingMethod告诉你感光元件是CMOS还是CCD，Contrast和Saturation标的是相机预设的对比度和饱和度。最吓人的是GPSInfo，如果手机开了定位，拍完的照片会把纬度、经度和海拔全部写进去，海拔精确到米，偏移量经常不到10米。我拿自己手机拍了张测试，下载了个叫“图片位置查看器”的软件，地图上红点点出来就在我家窗户旁边，精度令人无语。所以不想暴露行踪，最简单是到手机设置里关掉“相机定位服务”，或者用exiftool -gps:all= -overwrite_original photo.jpg批量删除GPS。注意，光删GPS不够，相机制造商和镜头型号也能顺藤摸瓜，我一般是直接清掉全部EXIF，只保留基础信息。
不过EXIF只是一层很浅的皮。现在社交平台和聊天工具几乎都会对上传的图片做二次压缩和重编码，原始EXIF经常被剥掉，看似干净，但真正的秘密藏在画面内部，也就是压缩残渣和像素噪声。早期我们用肉眼分辨AI绘图和真实照片，看手指、看字体，如今生成模型那些低级错误越来越少，取证就只能往更底层挖。比如JPEG压缩会引入8x8像素块，如果原图被反复缩放保存，块效应会呈现周期性特征；而真实照片因为镜头像差和传感器热噪声，噪声结构是随机的，很难跟AI生成模型里的上采样网格噪声混淆。有团队提出用FFT频谱上的周期性峰值识别GAN图像，原理就是生成器的转置卷积会留下规则网格。我之前玩过一个实验工具，它计算图像拉普拉斯频带的边缘分布，AI生成的风景照，蓝色通道的梯度值往往异常平滑，而真实照片的蓝色通道受瑞利散射影响总带着一层细颗粒感。把左边真相机拍的天空和右边Midjourney生成的天放大到400%，右边像蒙了一层极细的纱，完全没有CCD热噪声——那种“干净”就是马脚。
除了被动查看，还可以主动给图片做“侦探”。数字图像取证里有种Error Level Analysis，简称ELA，把图片按JPEG质量压缩一次再对比原图，能圈出曾被改过的区域。你用Photoshop从合影里抠个人出来贴到另一个背景，因为改动区域经历了额外的保存、缩放，它的误差一致性和周围不一样，用错位检测看，那块区域像被闪光灯照过一样明显。另一个工具JPEGsnoop则能分析JPEG量子化表，反推图像可能出自哪个品牌的设备。但普通人最实用的建议是三件事：第一，把手机相机定位关掉；第二，发图前用相册自带的“移除位置”或者编辑一下再发，让平台重新编码；第三，别相信原图是隐私——只要对方有心，连你用Snapseed修过图软件名都能读到。我自己有个小怪癖，看到一张毫无防备的风景照会下意识做一遍FFT频谱，看看有没有藏了一个秘密的网格。有人说我神经质，数码照片足够清楚了，管那么深干嘛？可回头想想那次被朋友报出小区位置的事，我觉得图片信息就像人的指纹：它藏在画面之下，平时看不到，却几乎永远在说真话。AI能骗人，但它在生成一张图时也得遵守某种统计规律，只要愿意深入像素，总能找到它撒谎的痕迹。这个领域里，常人和专家的差别，无非是有没有看过那张地图——路标一直都在那儿。
