S3 — Overleven AI-herkomstmarkeringen gangbare beeld-, video- en audiopipelines?

Samenvatting

De verordening artificiële intelligentie van de EU (Art. 50(2)), de Californische AI Transparency Act (SB 942 zoals gewijzigd bij AB 853) en de Chinese GB 45438-2025 eisen dat synthetische media machineleesbare markeringen dragen. In de praktijk zijn dat: een C2PA-manifest waarvan de acties een IPTC-digitalSourceType (trainedAlgorithmicMedia) declareren, dezelfde IPTC-term in XMP (Iptc4xmpExt:DigitalSourceType) en het Chinese XMP-veld TC260:AIGC.

We hebben een reproduceerbaar lokaal lab gebouwd: 23 synthetische fixtures (JPEG, PNG, WebP, MP4, M4A, WAV, MP3), ondertekend met het testcertificaat van c2patool, plus één openbaar C2PA-voorbeeld. We hebben ze door 41 transformaties gehaald in Pillow, sharp/libvips (inclusief een exacte replica van de optimizer van next/image), ImageMagick, ExifTool en ffmpeg, wat 154 outputs en 474 observaties van output × markering opleverde.

Geen enkele herschrijving van pixels of container behield een ingebed C2PA-manifest (0/124), inclusief alle geteste opties om metadata te “behouden”. Het bewerken van één XMP-veld na het ondertekenen liet het manifest aanwezig maar ongeldig achter (6/6). De twee XMP-markeringen deelden altijd hetzelfde lot. Ze bleven alleen behouden als de pipeline XMP expliciet behield: nooit de standaard in sharp, next/image of Pillow, en wel de standaard in ImageMagick, behalve bij strippen. ffmpeg verwijderde elke markering in elke geprobeerde MP4-, M4A-, WAV- en MP3-configuratie. De enige geteste route naar een geldige credential op een afgeleid bestand was opnieuw ondertekenen na de verwerking, met het origineel als ingrediënt (4/4), en zelfs dan bleef de AI-verklaring alleen binnen het ingrediënt behouden, niet in het nieuwe actieve manifest. Het gedrag van CDN's, platforms en wetgeving wordt weergegeven aan de hand van letterlijke citaten uit documentatie, gescheiden van wat we hebben gemeten.

Deze studie citeren

Bronvermelding

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}
}

Samenvatting

Deze studie citeren

Verwante studies