Studji / S3
Il-marki tal-provenjenza tal-IA jibqgħu ħajjin fil-pipelines komuni tal-ipproċessar tal-immaġni, tal-vidjo u tal-awdjo?
Sommarju
L-Att dwar l-Intelliġenza Artifiċjali tal-UE (Art. 50(2)), l-Att tal-Kalifornja dwar it-Trasparenza tal-IA (SB 942 kif emendat minn AB 853) u l-istandard Ċiniż GB 45438-2025 jeħtieġu li l-midja sintetika ġġorr marki li jinqraw mill-magni. Fil-prattika dawn huma: manifest C2PA li l-azzjonijiet (actions) tiegħu jiddikjaraw terminu IPTC digitalSourceType (trainedAlgorithmicMedia), l-istess terminu IPTC fl-XMP (Iptc4xmpExt:DigitalSourceType), u l-qasam XMP Ċiniż TC260:AIGC.
Bnejna laboratorju lokali riproduċibbli: 23 fajl tat-test sintetiku (JPEG, PNG, WebP, MP4, M4A, WAV, MP3) iffirmati biċ-ċertifikat tat-test ta’ c2patool, flimkien ma’ kampjun C2PA pubbliku wieħed. Għaddejniehom minn 41 trasformazzjoni f’Pillow, sharp/libvips (inkluża replika eżatta tal-ottimizzatur next/image), ImageMagick, ExifTool u ffmpeg, li taw 154 output u 474 osservazzjoni output × marka.
L-ebda kitba mill-ġdid tal-pixels jew tal-kontenitur ma żammet manifest C2PA inkorporat (0/124), inkluża kull għażla ta’ “żomm il-metadata” li ttestjajna. L-editjar ta’ qasam XMP wieħed wara l-iffirmar ħalla l-manifest preżenti iżda invalidu (6/6). Iż-żewġ marki XMP dejjem kellhom l-istess destin. Baqgħu biss meta l-pipeline żamm l-XMP b’mod espliċitu: dan qatt mhu l-issettjar prestabbilit fi sharp, next/image jew Pillow, u huwa l-issettjar prestabbilit f’ImageMagick sakemm ma ssirx tneħħija (strip). ffmpeg neħħa kull marka f’kull konfigurazzjoni MP4/M4A/WAV/MP3 li ġiet ippruvata. L-unika rotta ttestjata lejn kredenzjal validu (credential) fuq fajl derivattiv kienet l-iffirmar mill-ġdid wara l-ipproċessar, bl-oriġinal bħala ingredjent (ingredient) (4/4), u anke f’dak il-każ id-dikjarazzjoni tal-IA baqgħet biss ġewwa l-ingredjent, mhux fil-manifest attiv il-ġdid. L-imġiba tas-CDNs, tal-pjattaformi u tal-liġi hija rrappurtata minn kwotazzjonijiet litterali tad-dokumentazzjoni, separatament minn dak li kejjilna aħna.
Iċċita dan l-istudju
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}
}