S3 — Supraviețuiesc marcajele de proveniență IA fluxurilor obișnuite de procesare a imaginilor, video și audio?

Rezumat

Regulamentul privind inteligența artificială al UE (Art. 50(2)), Legea Californiei privind transparența IA (SB 942, modificată prin AB 853) și standardul chinez GB 45438-2025 impun ca conținutul sintetic să poarte marcaje care pot fi citite automat. În practică, acestea sunt: un manifest C2PA ale cărui acțiuni declară un digitalSourceType IPTC (trainedAlgorithmicMedia), același termen IPTC în XMP (Iptc4xmpExt:DigitalSourceType) și câmpul XMP chinezesc TC260:AIGC.

Am construit un laborator local reproductibil: 23 de fișiere de test sintetice (JPEG, PNG, WebP, MP4, M4A, WAV, MP3) semnate cu certificatul de test al c2patool, plus un eșantion C2PA public. Le-am trecut prin 41 de transformări în Pillow, sharp/libvips (inclusiv o replică exactă a optimizatorului din next/image), ImageMagick, ExifTool și ffmpeg, ceea ce a dat 154 de rezultate și 474 de observații rezultat × marcaj.

Nicio rescriere a pixelilor sau a containerului nu a păstrat un manifest C2PA încorporat (0/124), inclusiv toate opțiunile de „păstrare a metadatelor” pe care le-am testat. Editarea unui singur câmp XMP după semnare a lăsat manifestul prezent, dar invalid (6/6). Cele două marcaje XMP au avut mereu aceeași soartă. Au supraviețuit doar atunci când fluxul păstra explicit XMP: niciodată implicit în sharp, next/image sau Pillow, dar implicit în ImageMagick, cu excepția cazului în care se elimină metadatele. ffmpeg a eliminat toate marcajele în toate configurațiile MP4/M4A/WAV/MP3 încercate. Singura cale testată pentru a obține credențiale valide pe un derivat a fost semnarea din nou după procesare, cu originalul ca ingredient (4/4), și chiar și atunci declarația de IA a supraviețuit doar în interiorul ingredientului, nu și în noul manifest activ. Comportamentul CDN-urilor, al platformelor și al cadrului legal este raportat pe baza unor citate literale din documentație, separat de ceea ce am măsurat.

Citați acest studiu

Citare

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}
}

Rezumat

Citați acest studiu

Studii conexe