S3 — Túlélik-e az MI-eredetjelölések a szokásos kép-, videó- és hangfeldolgozási folyamatokat?

Összefoglaló

A mesterséges intelligenciáról szóló uniós rendelet (Art. 50(2)), Kalifornia MI-átláthatósági törvénye (az AB 853 által módosított SB 942) és a kínai GB 45438-2025 szabvány előírja, hogy a szintetikus médiatartalmak géppel olvasható jelöléseket hordozzanak. A gyakorlatban ezek a következők: egy C2PA-manifeszt, amelynek műveletei (actions) egy IPTC digitalSourceType értéket (trainedAlgorithmicMedia) deklarálnak, ugyanez az IPTC-kifejezés XMP-ben (Iptc4xmpExt:DigitalSourceType), valamint a kínai TC260:AIGC XMP-mező.

Reprodukálható helyi labort építettünk: 23 szintetikus tesztfájl (JPEG, PNG, WebP, MP4, M4A, WAV, MP3), a c2patool teszttanúsítványával aláírva, valamint egy nyilvános C2PA-minta. Ezeket 41 transzformáción futtattuk végig Pillow, sharp/libvips (köztük a next/image optimalizáló pontos mása), ImageMagick, ExifTool és ffmpeg segítségével, ami 154 kimenetet és 474 kimenet × jelölés megfigyelést eredményezett.

Egyetlen pixel- vagy konténer-újraírás sem őrizte meg a beágyazott C2PA-manifesztet (0/124), beleértve minden általunk tesztelt „metaadatok megtartása” opciót. Egyetlen XMP-mező aláírás utáni szerkesztése után a manifeszt jelen maradt, de érvénytelenné vált (6/6). A két XMP-jelölés sorsa mindig azonos volt. Csak akkor maradtak meg, ha a folyamat kifejezetten megtartotta az XMP-t: ez a sharp, a next/image és a Pillow esetében soha nem alapértelmezés, az ImageMagickben viszont alapértelmezés, hacsak nem kérnek eltávolítást (strip). Az ffmpeg minden kipróbált MP4/M4A/WAV/MP3-konfigurációban minden jelölést eldobott. Az egyetlen tesztelt út az érvényes hitelesítő adathoz (credential) egy származtatott fájlon a feldolgozás utáni újraaláírás volt, az eredetit összetevőként (ingredient) megadva (4/4), és az MI-nyilatkozat még ekkor is csak az összetevőn belül maradt meg, az új aktív manifesztben nem. A CDN-ek, a platformok és a jogszabályok viselkedését szó szerinti dokumentációs idézetek alapján ismertetjük, elkülönítve attól, amit mi mértünk.

Hivatkozás erre a tanulmányra

Hivatkozás

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}
}

Összefoglaló

Hivatkozás erre a tanulmányra

Kapcsolódó tanulmányok