S3 — Överlever AI-ursprungsmärkningar vanliga pipelines för bild, video och ljud?

Sammanfattning

EU:s förordning om artificiell intelligens (Art. 50(2)), Kaliforniens AI Transparency Act (SB 942 i dess lydelse enligt AB 853) och Kinas GB 45438-2025 kräver att syntetiska medier bär maskinläsbara märkningar. I praktiken är dessa: ett C2PA-manifest vars åtgärder deklarerar en IPTC-digitalSourceType (trainedAlgorithmicMedia), samma IPTC-term i XMP (Iptc4xmpExt:DigitalSourceType) och det kinesiska XMP-fältet TC260:AIGC.

Vi byggde ett reproducerbart lokalt labb: 23 syntetiska fixtures (JPEG, PNG, WebP, MP4, M4A, WAV, MP3) signerade med testcertifikatet från c2patool, plus ett offentligt C2PA-exempel. Vi körde dem genom 41 transformationer i Pillow, sharp/libvips (inklusive en exakt kopia av optimeraren i next/image), ImageMagick, ExifTool och ffmpeg, vilket gav 154 utdata och 474 observationer av typen utdata × märkning.

Ingen omskrivning av pixlar eller container behöll ett inbäddat C2PA-manifest (0/124), inklusive alla alternativ för att ”behålla metadata” som vi testade. Att redigera ett enda XMP-fält efter signering lämnade manifestet kvar men ogiltigt (6/6). De två XMP-märkningarna delade alltid samma öde. De överlevde bara när pipelinen uttryckligen behöll XMP: aldrig standard i sharp, next/image eller Pillow, och standard i ImageMagick utom vid strippning. ffmpeg tog bort varje märkning i varje provad MP4-, M4A-, WAV- och MP3-konfiguration. Den enda testade vägen till ett giltigt credential på en härledd fil var att signera om efter bearbetningen med originalet som ingrediens (4/4), och även då överlevde AI-deklarationen bara inuti ingrediensen, inte i det nya aktiva manifestet. Beteendet hos CDN:er, plattformar och lagstiftning redovisas utifrån ordagranna citat ur dokumentation, åtskilt från det vi mätte.

Citera den här studien

Referens

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}
}

Sammanfattning

Citera den här studien

Relaterade studier