S3 — Overlever AI-oprindelsesmærker almindelige billed-, video- og lydpipelines?

Resumé

EU's forordning om kunstig intelligens (Art. 50(2)), Californiens AI Transparency Act (SB 942 som ændret ved AB 853) og Kinas GB 45438-2025 kræver, at syntetiske medier bærer maskinlæsbare mærker. I praksis er det: et C2PA-manifest, hvis handlinger angiver en IPTC-digitalSourceType (trainedAlgorithmicMedia), det samme IPTC-begreb i XMP (Iptc4xmpExt:DigitalSourceType) og det kinesiske XMP-felt TC260:AIGC.

Vi byggede et reproducerbart lokalt laboratorium: 23 syntetiske fixtures (JPEG, PNG, WebP, MP4, M4A, WAV, MP3) signeret med testcertifikatet fra c2patool, plus ét offentligt C2PA-eksempel. Vi kørte dem gennem 41 transformationer i Pillow, sharp/libvips (herunder en nøjagtig kopi af optimeringsfunktionen i next/image), ImageMagick, ExifTool og ffmpeg, hvilket gav 154 output og 474 observationer af typen output × mærke.

Ingen omskrivning af pixels eller container bevarede et indlejret C2PA-manifest (0/124), herunder alle de muligheder for at »bevare metadata«, vi testede. Redigering af et enkelt XMP-felt efter signering efterlod manifestet til stede, men ugyldigt (6/6). De to XMP-mærker delte altid samme skæbne. De overlevede kun, når pipelinen udtrykkeligt bevarede XMP: aldrig standard i sharp, next/image eller Pillow, og standard i ImageMagick, medmindre der strippes. ffmpeg fjernede hvert mærke i hver afprøvet MP4-, M4A-, WAV- og MP3-konfiguration. Den eneste testede vej til et gyldigt credential på en afledt fil var at signere igen efter behandlingen med originalen som ingrediens (4/4), og selv da overlevede AI-erklæringen kun inde i ingrediensen, ikke i det nye aktive manifest. CDN'ers, platformes og lovgivningens adfærd gengives ud fra ordrette citater fra dokumentation, holdt adskilt fra det, vi målte.

Citér dette studie

Kildehenvisning

EasyxLab (2026). Do AI provenance marks survive common image, video and audio pipelines? Study S3. EasyByte Hub S. Coop. Mad. https://github.com/easybytehub/easyxlab/tree/main/studies/s3-ai-marks-survival

BibTeX

@techreport{easyxlab_s3,
  title       = {Do AI provenance marks survive common image, video and audio pipelines?},
  author      = {{EasyxLab}},
  institution = {EasyByte Hub S. Coop. Mad.},
  number      = {S3},
  year        = {2026},
  url         = {https://github.com/easybytehub/easyxlab/tree/main/studies/s3-ai-marks-survival}
}

Resumé

Citér dette studie

Relaterede studier