図：ELAの原理概念図（再圧縮差分を増幅表示することで加工痕跡を浮き上がらせる）
画像編集技術の進歩により、プロが加工した写真と元の写真を肉眼で見分けることは、もはや一般人には不可能に近い状況です。損害保険の査定現場では、傷の大きさや損傷範囲を拡大した加工写真が提出される事例が報告されています。不動産広告では実際の物件とかけ離れた合成写真が横行し、法廷に提出される証拠写真でさえその真正性が争われるケースが増えています。
こうした「目で見てもわからない改ざん」をデジタル的に検出するアプローチのひとつが ELA（Error Level Analysis：エラーレベル解析） です。本記事では ELA の数学的原理から実務での判定フロー、そして重要な「限界と誤検知」まで、技術者でなくても理解できる形で徹底解説します。
JPEG圧縮の仕組みを理解する
ELA を理解するには、まず JPEG 形式の特性を把握する必要があります。
非可逆圧縮とブロック変換
JPEG（Joint Photographic Experts Group）は1992年に制定されたデジタル写真の圧縮フォーマットで、スマートフォンで撮影された写真の大部分はこの形式で保存されています。ファイルサイズ削減のために「非可逆圧縮」を採用しており、具体的には次の処理が行われます。
- 画像を 8×8ピクセルのブロック に分割
- 各ブロックに DCT（離散コサイン変換） を適用して周波数成分に分解
- 高周波成分（細かいディテール）を 量子化（丸め処理）して情報量を削減
- 量子化された値をハフマン符号化で圧縮
この量子化ステップが非可逆性の原因です。品質（Quality）パラメータが低いほどファイルは小さくなりますが、圧縮アーティファクトが目立ちます。
再保存による誤差の蓄積
ここが ELA の核心です。JPEG 画像は 保存のたびに圧縮処理が繰り返される という特性を持ちます。カメラが撮影した画像（品質95）を Photoshop で開いて保存し直すと、新たな圧縮処理が加わります。この際、元の画像ではすでに量子化で失われたデータが、再度異なる量子化処理にさらされ、誤差が累積 します。
重要なのは、この「再保存による誤差の累積」が一様でないことです。加工された領域と元の領域では、圧縮の履歴が異なるため、誤差のパターンに差が生じます。
ELAの数学的原理
基本アルゴリズム
ELA の処理手順は次の通りです。
1. 解析対象の JPEG 画像を取得
2. 既知の品質設定（例：Q=95）で意図的に再保存する
3. 元画像と再保存画像のピクセルごとの差分 D = |I - I'| を計算
4. 差分値を可視化（差分が大きいほど明るく表示）
改ざんされていない均一な画像は、再保存による誤差が画像全体で 均一 になります。一方、加工が加えられた領域では 誤差のパターンが周囲と異なり、ELA の可視化画像では加工部分が明るく浮き上がります。
図：ELAの処理フロー（未加工領域は均一な低輝度、加工領域は誤差が大きく明るく浮き上がる）
品質係数の選択が精度を左右する
再圧縮に使う品質係数 Q の選択は、ELA の感度を大きく左右します。
| 品質係数 | 特性 |
|---|---|
| Q=70 | 強圧縮。低品質元画像のエラーを検出しやすい |
| Q=85 | 中間。標準的なカメラ画像に適する |
| Q=95 | 弱圧縮。高品質元画像に適する |
元画像の圧縮品質と分析時の品質係数が大きく乖離すると、改ざんがなくても全体が高輝度になる という誤検知が発生します。
DCT係数と量子化誤差
より詳細を見ると、JPEG の量子化処理では 8×8 ブロックの各 DCT 係数を量子化テーブルの値で除算（整数丸め）します。
量子化値 = round(DCT係数 / 量子化ステップ)
復元DCT係数 = 量子化値 × 量子化ステップ
この往復で生じる量子化誤差は最大で 量子化ステップ / 2 です。元画像の品質 Q1 と再保存の品質 Q2 の関係は次のようになります。
- Q1 ≈ Q2：量子化テーブルが近似しているため再保存後の誤差は最小
- Q1 > Q2：より粗い量子化が適用されるため誤差が増大
- Q1 < Q2：元の量子化でロスした情報を細かい量子化でも回復できないため特徴的な誤差パターンが生じる
加工ツールで別の画像からコピーした領域を貼り付けると、その領域の圧縮履歴が「リセット」されます。この状態で再保存すると加工領域の誤差が最大化し、元の領域との差異が可視化されます。
Imprintのマルチパス ELA
Imprint では品質係数の選択問題に対応するため、Q=70・Q=85・Q=95 の3パスを並列実行 し、最も平均誤差が小さいパス（元の圧縮品質に最も近い品質係数）を自動選択するアルゴリズムを採用しています。さらに クロスパス一貫性スコア（2パス以上で閾値超のピクセル比率）を用いることで、単一パスでは見逃しやすい局所的な改ざんも補足します。
ELAで検出できる改ざんのパターン
コピー&ペースト（クローンスタンプ）
最も一般的な改ざん手法です。画像内の別の領域をコピーして傷や汚れの上に貼り付けるケース（保険詐欺でよく使われる）や、別の写真から要素を切り取って貼り付けるケース（不動産写真での内装差し替え等）の両方で有効です。
ELAでの見え方：貼り付け領域が周囲より明確に高い誤差値を示し、境界部分がくっきりと浮き上がります。
スプライシング（異なる写真の合成）
複数の写真を合成して一枚に見せる手法です。異なる撮影条件・圧縮設定の写真を組み合わせると、各領域の圧縮履歴が異なるため検出されやすくなります。
ELAでの見え方：画像内で誤差レベルが不均一になり、異なる「テクスチャ」が混在しているように見えます。
局所的な明度・コントラスト操作
特定の領域だけ明るくする・コントラストを上げるといった操作は、その領域のピクセル値を変化させるため、JPEG 再保存後の誤差パターンが変化します。コピー&ペーストより検出精度は下がりますが、周囲との誤差の差異として現れます。
全体的なフィルター（検出困難）
画像全体に均一なフィルターを適用する場合、誤差パターンも均一に変化するため ELA では検出が困難 です。これは ELA の重要な限界として次章で詳述します。
実務での判定フロー
ELA可視化画像の見方
ELA 結果画像では、明るい（白に近い）領域ほど圧縮誤差が大きく、不自然な圧縮の歴史を持つ ことを意味します。正常な写真の ELA 画像は、テクスチャの複雑さに応じてある程度の輝度分布はありますが、大局的にはグレーがかった均一なノイズ状になります。
Imprintの判定閾値
Imprint が使用する判定基準は以下の通りです（ベストパス基準）。
| 判定 | 条件 |
|---|---|
| clean（加工なし） | 平均誤差 < 3.5 かつ 高誤差ピクセル比率 < 10% かつ クロスパス一貫性 < 3% |
| suspicious（要注意） | 平均誤差 < 9.0 かつ 高誤差ピクセル比率 < 28% |
| likely_edited（加工検出） | 上記いずれも満たさない |
さらに、クロスパス一貫性スコアによる格上げルールがあります。
cleanでも一貫性スコアが 5% 以上 →suspiciousに格上げsuspiciousでも一貫性スコアが 15% 以上 →likely_editedに格上げ
図：Imprintの3段階ELA判定基準（マルチパス実行と一貫性チェックで単一パスの誤検知を低減）
真正性スコアへの影響
ELA 判定は Imprint の 真正性スコア（100点満点の減点方式） に次のように影響します。
suspicious（要注意）：-15点likely_edited（加工検出）：-30点
判定ステップ
実務では以下のステップで ELA 結果を解釈します。
- 全体的な誤差分布の確認：均一なら加工の疑いは低い
- 高誤差領域の特定：高コントラスト境界・複雑なテクスチャなど自然な理由がないか確認
- 定量的スコアの確認：平均誤差・不自然ピクセル比・一貫性スコアを照合
- 他解析結果との統合：EXIF・AI生成判定・タイムスタンプと総合して最終判定
重要原則：ELA の結果だけで「改ざん確定」と判断してはいけません。ELA は「改ざんの疑いを高める」ツールであり、確定的な証拠にするには他の証拠との組み合わせが不可欠です。
ELAの限界と誤検知リスク
ELA は強力な手法ですが、その限界を正確に理解することが実務では不可欠です。
限界①：PNG・RAWには適用できない
ELA は JPEG の非可逆圧縮特性を利用するため、可逆圧縮の PNG や RAW には原理的に適用できません。PNG 画像に対して ELA を実施しても意味のある結果は得られません。スマートフォンの HEIF 形式（iPhone 等）も直接の ELA 解析には向かないため、適切な変換処理が必要です。
限界②：連続的な再保存で誤差が均一化する
同じ画像を何度も保存し直す（SNS へのアップロード・ダウンロードを繰り返すなど）と、加工領域も含めて誤差パターンが均一化し、検出が困難になります。SNS を経由した画像では ELA の有効性が低下します。
限界③：全体的な加工は検出できない
画像全体に均一なフィルターをかける・全体の明度を調整する・画像全体を AI で再生成するといった操作では、誤差パターンの不均一性が生じないため、ELA だけでは検出できません。
限界④：誤検知（False Positive）が発生する
ELA の最大の誤解がここにあります。ELA で明るく表示された領域が必ずしも改ざんを意味するわけではありません。
自然な高誤差が生じる状況：
- 画像内の高コントラスト境界（空と建物の境界など）
- テキストや文字が含まれる領域
- 金属や鏡などの反射素材
- 複雑なテクスチャ（草木・砂利など）
これらは加工なしでも高い誤差値を示すことがあります。
限界⑤：高品質JPEGでは精度が下がる
元の JPEG 品質が 100 に近い場合、量子化処理がほとんど行われていないため、再保存との差分が生じにくく誤差パターンの差異が小さくなります。高品質カメラで撮影された業務用写真では精度が落ちる場合があります。
図：ELAの5つの限界（限界を理解したうえで他の解析手法と組み合わせて使うことが重要）
ELAと他の検出手法の組み合わせ
現代の写真真正性解析では、ELA を単独で使用せず複数の手法と組み合わせて精度を上げています。
| 手法 | 検出できること | ELAとの補完関係 |
|---|---|---|
| EXIF 解析 | カメラ機種・GPS・加工ソフトの痕跡 | ELA が false negative でも EXIF で補足 |
| AI 生成画像検出 | AI で生成・補完された領域 | ELA が苦手な均一領域を補完 |
| ハッシュ検証 | ファイルの同一性 | タイムスタンプ以降の無改ざんを数学的に保証 |
| RFC 3161 タイムスタンプ | 撮影時刻の法的証明 | ELA の「加工なし」判定に時刻の不変性を付与 |
| ブロックチェーン記録 | 改ざん不可能な証跡 | ELA の結果に永続的な証明力を付与 |
Imprint はこれらすべてを一枚の写真で同時に実行し、100点満点の 真正性スコア として統合します。EXIF データがないだけで -25点、加工ソフト検出で -20点といった形で、複数の観点から透明性のある評価を行います。
業界別の活用シーンと注意点
損害保険
保険査定における事故・損害写真の確認に活用できます。車両損害写真での傷のコピー&ペースト加工や、建物被害写真での損害範囲の誇張は ELA が有効です。ただし、ELA 単独での判断は禁物です。査定担当者が ELA レポートをひとつの参考情報として扱い、現場確認や他の証拠と組み合わせて最終判断を下す運用が適切です。
不動産
物件写真の虚偽表示を検出するために活用できます。別の物件素材のコピー合成（フローリング・クロス等の差し替え）や、家具・設備の追加合成の検出に有効です。2024年10月施行の改正景品表示法により不動産広告の虚偽表示に対する直罰規定が追加されたため、写真の真正性管理の重要性が増しています。
法務・訴訟
訴訟における証拠写真の真正性を補完的に検証するために活用できます。ただし、ELA レポートだけでは法廷で「改ざんなし」を証明することはできません。法廷で使用する場合は、RFC 3161 タイムスタンプや専門家証人の証言と組み合わせることが必要です。
まとめ：ELAは「最初の手がかり」
ELA は写真の真正性を検証するうえで有力なツールですが、万能ではありません。実務上の原則を整理します。
ELAが得意なこと
- JPEG 画像へのコピー&ペースト・スプライシング検出
- 局所的な加工領域の可視化
- 人間の目では判断できない不均一な圧縮パターンの検出
ELAが苦手なこと
- PNG・RAW・SNS 経由の画像への加工検出
- 全体的・均一な加工の検出
- AI 生成画像の検出（専用モデルが必要）
実務上の3原則
- ELA は複数の解析手法の一つとして位置付ける
- ELA 結果だけで改ざんを「確定」しない
- 証拠能力を持たせるには RFC 3161 タイムスタンプと組み合わせる
ELA を含む改ざん検出技術は、すべて「事後的」なアプローチです。本質的な解決策は 撮影の瞬間に真正性を担保する ことです。シャッターを切った瞬間にサーバーがハッシュを記録し、RFC 3161 タイムスタンプを取得する仕組みがあれば、ELA で検出する必要がある「改ざんの疑い」そのものが生じません。
写真の真正性検証を実際に試したい方は カメラで試す から無料でお試しいただけます。API 連携については API ドキュメント をご参照ください。