EasyxLab
Lingua: IT Italiano

Traduzione con IA dell'originale in inglese, che è la versione di riferimento. Leggi in inglese

Studi / S3

Le marcature di provenienza IA sopravvivono alle comuni pipeline di elaborazione di immagini, video e audio?

Bozza di lavoroPubblicato 2026-10-02 · Aggiornato 2026-10-03

Sintesi

Il regolamento sull'intelligenza artificiale dell'UE (Art. 50(2)), la legge californiana sulla trasparenza dell'IA (SB 942, modificata da AB 853) e la norma cinese GB 45438-2025 impongono che i contenuti sintetici rechino marcature leggibili meccanicamente. In pratica si tratta di: un manifest C2PA le cui azioni dichiarano un digitalSourceType IPTC (trainedAlgorithmicMedia), lo stesso termine IPTC in XMP (Iptc4xmpExt:DigitalSourceType) e il campo XMP cinese TC260:AIGC.

Abbiamo allestito un laboratorio locale riproducibile: 23 file di test sintetici (JPEG, PNG, WebP, MP4, M4A, WAV, MP3) firmati con il certificato di test di c2patool, più un campione C2PA pubblico. Li abbiamo sottoposti a 41 trasformazioni in Pillow, sharp/libvips (compresa una replica esatta dell'ottimizzatore di next/image), ImageMagick, ExifTool e ffmpeg, ottenendo 154 output e 474 osservazioni output × marcatura.

Nessuna riscrittura dei pixel o del contenitore ha conservato un manifest C2PA incorporato (0/124), comprese tutte le opzioni «mantieni i metadati» che abbiamo provato. Modificare un solo campo XMP dopo la firma ha lasciato il manifest presente ma non valido (6/6). Le due marcature XMP hanno sempre condiviso la stessa sorte. Sono sopravvissute solo quando la pipeline conservava esplicitamente l'XMP: mai il comportamento predefinito in sharp, next/image o Pillow, ma quello predefinito in ImageMagick, salvo quando si rimuovono i metadati. ffmpeg ha eliminato ogni marcatura in tutte le configurazioni MP4/M4A/WAV/MP3 provate. L'unica via testata per ottenere una credenziale valida su un derivato è stata firmare di nuovo dopo l'elaborazione, con l'originale come ingrediente (4/4), e anche in quel caso la dichiarazione di IA è sopravvissuta solo all'interno dell'ingrediente, non nel nuovo manifest attivo. Il comportamento di CDN, piattaforme e normativa è riportato tramite citazioni letterali della documentazione, tenute separate da ciò che abbiamo misurato.

Cita questo studio

Citazione
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}
}