cognis-digital/deepcheck

``` pip install cognis-deepcheck deepcheck scan . # → prioritized findings in seconds ``` ## 使用说明 — 逐步指南 1. 安装 CLI（Python 3.9+）： pip install deepcheck # 或者：pip install . 从检出的代码安装 2. 检查图片 — `inspect` 子命令会对 JPEG/PNG 执行合成媒体 + C2PA 分析： deepcheck inspect photo.jpg 默认的 `table` 视图会打印出判定结果、一个 `synthetic_score`（0=真实 .. 1=合成）、C2PA 来源以及加权信号。 3. 输出供工具使用的机器可读格式： deepcheck inspect photo.jpg --format json > report.json 4. 通过退出码读取结果：`0` = 分析已运行且判定结果为可能真实，`1` = 发现问题（可疑 / 很可能是合成的），`2` = 使用方法/IO 错误。解析 JSON 中的 `verdict` 和 `synthetic_score` 字段，例如 `jq .verdict report.json`。 5. 在 CI 中拦截媒体摄取 pipeline — 当资源被标记时使任务失败： deepcheck inspect uploaded.png --format json || echo "deepcheck flagged uploaded.png" ## 目录 - [为什么使用 deepcheck？](#why) · [功能](#features) · [快速开始](#quick-start) · [示例](#example) · [架构](#architecture) · [AI 技术栈](#ai-stack) · [对比](#how-it-compares) · [集成](#integrations) · [随处安装](#install-anywhere) · [相关项目](#related) · [贡献](#contributing) ## 为什么使用 deepcheck？ 轻量级的合成媒体检测器，支持 C2PA 验证 — 无需搭建繁重的基础设施。 `deepcheck` 是单一用途、可脚本化且可自托管的：将其指向目标，以您的工作流已使用的格式（table · JSON · SARIF）获取优先排序的结果，基于此拦截 CI，并允许代理通过 MCP 驱动它。 ## 功能 - ✅ 提取 C2Pa - ✅ 验证 C2Pa - ✅ 分析图像 - ✅ 结果转换为 Json - ✅ 运行于 Linux/macOS/Windows · Docker · devcontainer - ✅ 支持 Python, JavaScript, Go 和 Rust 的移植版 (`ports/`) ## 快速开始 ``` pip install cognis-deepcheck deepcheck --version deepcheck scan . # scan current project deepcheck scan . --format json # machine-readable deepcheck scan . --fail-on high # CI gate (non-zero exit) ``` ## 示例 ``` $ deepcheck scan . [HIGH ] DEE-001 example finding (./src/app.py) [MEDIUM ] DEE-002 another signal (./config.yaml) 2 findings · risk score 5 · 38ms ``` ## 架构 ``` flowchart LR IN[input] --> P[deepcheck
analyze + score] P --> OUT[report] ``` ## 从任何 AI 技术栈中使用 `deepcheck` 可以与所有流行的 AI 使用方式互操作： - **MCP server** — `deepcheck mcp` (Claude Desktop, Cursor, Cognis.Studio, [uncensored-fleet](https://github.com/cognis-digital/uncensored-fleet)) - **兼容 OpenAI / JSON** — 将 `deepcheck scan . --format json` 通过管道传递给任何代理或 LLM - **LangChain · CrewAI · AutoGen · LlamaIndex** — 只需一行代码即可将 CLI/JSON 封装为工具 - **CI / 脚本** — 为非 AI pipeline 提供退出码 + SARIF ## 对比 | | **Cognis deepcheck** | contentauth | |---|:---:|:---:| | 可自托管，无需账户 | ✅ | 视情况而定 | | 单一命令，零配置 | ✅ | ⚠️ | | 用于 CI 的 JSON + SARIF | ✅ | 视情况而定 | | 原生支持 MCP（AI 代理） | ✅ | ❌ | | 多语言移植（JS/Go/Rust） | ✅ | ❌ | | 开源许可证 | ✅ COCL | 视情况而定 | *秉承 **contentauth/c2pa-rs** 的精神，以 Cognis 的方式重新构建。遗漏了致谢？提交一个 PR。* ## 集成 接入您的技术栈：用于代码扫描的 **SARIF**，用于任何场景的 **JSON**，用于 AI 代理的 **MCP server**（`deepcheck mcp`），以及用于 SIEM/Slack/Jira 的 webhook 转发器。详见 [`docs/INTEGRATIONS.md`](docs/INTEGRATIONS.md)。 ## 安装 — 所有方式，所有平台 ``` pip install "git+https://github.com/cognis-digital/deepcheck.git" # pip (works today) pipx install "git+https://github.com/cognis-digital/deepcheck.git" # isolated CLI uv tool install "git+https://github.com/cognis-digital/deepcheck.git" # uv pip install cognis-deepcheck # PyPI (when published) docker run --rm ghcr.io/cognis-digital/deepcheck:latest --help # Docker brew install cognis-digital/tap/deepcheck # Homebrew tap curl -fsSL https://raw.githubusercontent.com/cognis-digital/deepcheck/main/install.sh | sh ``` | Linux | macOS | Windows | Docker | 云平台 | |---|---|---|---|---| | `scripts/setup-linux.sh` | `scripts/setup-macos.sh` | `scripts/setup-windows.ps1` | `docker run ghcr.io/cognis-digital/deepcheck` | [DEPLOY.md](docs/DEPLOY.md) (AWS/Azure/GCP/k8s) | ## 相关的 Cognis 工具 - [`claimtrace`](https://github.com/cognis-digital/claimtrace) — 虚假信息来源追踪器 — 最早出现图谱 - [`electionlens`](https://github.com/cognis-digital/electionlens) — 针对选举期间的影响力运作模式监视器 - [`narrativediff`](https://github.com/cognis-digital/narrativediff) — 针对单一事件的 50+ 媒体新闻偏见与框架差异分析 **探索套件 →** [🗂️ 所有 170+ 工具](https://github.com/cognis-digital/cognis-neural-suite) · [⭐ awesome-cognis](https://github.com/cognis-digital/awesome-cognis) · [🔗 cognis-sources](https://github.com/cognis-digital/cognis-sources) · [🤖 uncensored-fleet](https://github.com/cognis-digital/uncensored-fleet) · [🧠 engram](https://github.com/cognis-digital/engram) ## 互操作性 `{}` 与包含 300+ 工具的 Cognis 套件组合使用 — JSON 输入/输出以及共享的 兼容 OpenAI 的 `/v1` 主干。请参阅 **[INTEROP.md](INTEROP.md)** 获取 套件图谱、组合模式和参考技术栈。 ## 许可证 在 **Cognis Open Collaboration License (COCL) v1.0** 下提供源代码 — 免费用于个人、内部评估、研究和教育用途；**商业 / 生产用途需要许可证** (licensing@cognis.digital)。请参阅 [LICENSE](LICENSE)。

标签：C2PA, 人工智能, 信息完整性, 内容溯源, 可视化界面, 多媒体鉴伪, 数据可视化, 日志审计, 深度伪造检测, 用户模式Hook绕过, 请求拦截, 逆向工具