Estudos / S3
Sobreviven as marcas de procedencia de IA ás cadeas habituais de procesamento de imaxe, vídeo e audio?
Resumo
O Regulamento de intelixencia artificial da UE (Art. 50(2)), a Lei de transparencia da IA de California (SB 942, modificada pola AB 853) e a norma chinesa GB 45438-2025 esixen que os contidos sintéticos leven marcas lexibles por máquina. Na práctica son: un manifesto C2PA cuxas accións declaran un digitalSourceType de IPTC (trainedAlgorithmicMedia), o mesmo termo IPTC en XMP (Iptc4xmpExt:DigitalSourceType) e o campo XMP chinés TC260:AIGC.
Montamos un laboratorio local reproducible: 23 ficheiros de proba sintéticos (JPEG, PNG, WebP, MP4, M4A, WAV, MP3) asinados co certificado de proba de c2patool, máis unha mostra C2PA pública. Pasámolos por 41 transformacións en Pillow, sharp/libvips (incluída unha réplica exacta do optimizador de next/image), ImageMagick, ExifTool e ffmpeg, o que deu 154 saídas e 474 observacións saída × marca.
Ningunha reescritura de píxeles ou do contedor conservou un manifesto C2PA incrustado (0/124), incluídas todas as opcións de «conservar metadatos» que probamos. Editar un só campo XMP despois da sinatura deixou o manifesto presente pero inválido (6/6). As dúas marcas XMP correron sempre a mesma sorte. Só sobreviviron cando a cadea conservaba o XMP de forma explícita: nunca é a opción predeterminada en sharp, next/image nin Pillow, e si o é en ImageMagick agás cando se eliminan os metadatos. ffmpeg descartou todas as marcas en todas as configuracións MP4/M4A/WAV/MP3 probadas. A única vía probada para obter unha credencial válida nun derivado foi volver asinar despois do procesamento, co orixinal como ingrediente (4/4), e mesmo entón a declaración de IA só sobreviviu dentro do ingrediente, non no novo manifesto activo. O comportamento das CDN, das plataformas e da lei recóllese con citas literais da súa documentación, separado do que medimos.
Citar este estudo
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@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}
}