S3 — Säilyvätkö tekoälyn alkuperämerkinnät tavallisissa kuvan-, videon- ja äänenkäsittelyputkissa?

Tiivistelmä

EU:n tekoälysäädös (Art. 50(2)), Kalifornian AI Transparency Act (SB 942 sellaisena kuin se on muutettuna lailla AB 853) ja Kiinan GB 45438-2025 edellyttävät, että synteettisessä mediassa on koneluettavat merkinnät. Käytännössä ne ovat: C2PA-manifesti, jonka toiminnot ilmoittavat IPTC:n digitalSourceType-arvon (trainedAlgorithmicMedia), sama IPTC-termi XMP:ssä (Iptc4xmpExt:DigitalSourceType) sekä kiinalainen XMP-kenttä TC260:AIGC.

Rakensimme toistettavan paikallisen laboratorion: 23 synteettistä testitiedostoa (fixtures; JPEG, PNG, WebP, MP4, M4A, WAV, MP3), jotka allekirjoitettiin työkalun c2patool testivarmenteella, sekä yhden julkisen C2PA-näytteen. Ajoimme ne 41 muunnoksen läpi työkaluilla Pillow, sharp/libvips (mukaan lukien next/image-optimoijan tarkka jäljennös), ImageMagick, ExifTool ja ffmpeg, mistä saatiin 154 tulostetta ja 474 havaintoa muodossa tuloste × merkintä.

Yksikään pikseli- tai säiliötason uudelleenkirjoitus ei säilyttänyt upotettua C2PA-manifestia (0/124), ei myöskään millään testaamallamme ”säilytä metatiedot” -asetuksella. Yhden XMP-kentän muokkaaminen allekirjoittamisen jälkeen jätti manifestin paikalleen mutta virheelliseksi (6/6). Kahdella XMP-merkinnällä oli aina sama kohtalo. Ne säilyivät vain, kun käsittelyputki nimenomaisesti säilytti XMP:n: tämä ei ollut koskaan oletus työkaluissa sharp, next/image tai Pillow, ja työkalussa ImageMagick se oli oletus, ellei metatietoja poistettu (strip). ffmpeg poisti kaikki merkinnät jokaisessa kokeillussa MP4-, M4A-, WAV- ja MP3-kokoonpanossa. Ainoa testattu tapa saada johdannaiselle kelvollinen alkuperätodiste (credential) oli allekirjoittaa se uudelleen käsittelyn jälkeen niin, että alkuperäinen tiedosto oli ainesosana (ingredient) (4/4), ja silloinkin tekoälyilmoitus säilyi vain ainesosan sisällä, ei uudessa aktiivisessa manifestissa. CDN-palvelujen, alustojen ja lainsäädännön toimintaa kuvataan sanatarkkojen dokumentaatiolainausten perusteella, erillään siitä, mitä mittasimme.

Viittaa tähän tutkimukseen

Lähdeviite

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}
}

Tiivistelmä

Viittaa tähän tutkimukseen

Liittyvät tutkimukset