Content Credentials (C2PA)

بيانات اعتماد المحتوى سجلات تكشف أي عبث، وتصف مصدر الأصل الرقمي ومؤلفه وسجل تعديلاته. وهي تطبّق معيار C2PA، الذي وضعه ائتلاف إثبات مصدر المحتوى وأصالته، ويمكن أن تصاحب الصور ومقاطع الفيديو والتسجيلات الصوتية والمستندات. وفي مجال الذكاء الاصطناعي والرؤية الحاسوبية، توفر هذه البيانات سياقًا قابلًا للتحقق، مثل ما إذا كانت الوسائط قد التُقطت بكاميرا، أو عُدّلت ببرنامج، أو أنشأها نموذج توليدي جزئيًا أو كليًا.

آلية عمل بيانات اعتماد المحتوى#

يحدد مواصفات C2PA سجلًا منظمًا لإثبات المصدر يُسمى بيان C2PA. وقد تحدد البيانات الواردة فيه، المعروفة باسم الإقرارات، أداة الإنشاء أو إجراءات التحرير أو مشاركة الذكاء الاصطناعي أو الطوابع الزمنية أو المكونات المستخدمة لإنتاج الأصل أو معلومات عن الجهة الموقِّعة.

يتكون سير العمل المعتاد من أربع مراحل:

1. تنشئ كاميرا أو تطبيق أو خدمة ذكاء اصطناعي متوافقة أصلًا أو تعدّله.
2. تسجل الأداة معلومات محددة عن المصدر في بيان.
3. تربط التجزئات التشفيرية البيان بالأصل، ويحدد التوقيع الرقمي الجهة التي أصدرت بيانات الاعتماد.
4. يتحقق مدقق متوافق من استمرار صلاحية التوقيع والتجزئات.

يؤدي تغيير المحتوى المرتبط أو البيان إلى فشل التحقق، ما يجعل التعديل غير المصرح به قابلًا للكشف. ويمكن تضمين بيانات الاعتماد في الملف أو تخزينها خارجيًا واستعادتها باستخدام تقنيات تُسمى الروابط المرنة، مثل مطابقة البصمات. وتوضح إرشادات التنفيذ الرسمية لـ C2PA سبب احتياج المطابقات عبر الروابط المرنة إلى تحقق إضافي.

تدعم هذه العملية إثبات مصدر البيانات، لكنها لا تثبت أن الصورة تصور حدثًا حقيقيًا. وإنما تثبت أن بيانات محددة عن المصدر قد وُقعت، وظلت مرتبطة بالأصل، ولم تُعدّل منذ توقيعها.

C2PA وإشارات الثقة ذات الصلة#

تتداخل بيانات اعتماد المحتوى مع عدة مفاهيم تتعلق بأصالة الوسائط، لكنها تؤدي غرضًا متميزًا:

• C2PA في مقابل البيانات الوصفية: يمكن لبيانات EXIF العادية أو البيانات الوصفية الوصفية تسجيل طراز الكاميرا أو الطابع الزمني، لكن يمكن عادةً تغييرها دون اكتشاف ذلك. أما C2PA، فتربط البيانات الموقعة بالأصل تشفيريًا.
• C2PA في مقابل العلامات المائية للذكاء الاصطناعي: تضع العلامة المائية إشارة مرئية أو مخفية داخل المحتوى. وتحمل C2PA أساسًا معلومات منظمة عن المصدر، مع أن الروابط المرنة قد تستخدم العلامات المائية للمساعدة في استعادة بيانات الاعتماد المنفصلة.
• C2PA في مقابل اكتشاف التزييف العميق: يحلل الاكتشاف الوسائط بحثًا عن آثار مريبة بعد إنشائها. أما بيانات اعتماد المحتوى، فتسجل مسبقًا المصادر والتحويلات المُعلنة.
• C2PA في مقابل الأصالة: تشير بيانات الاعتماد الصالحة إلى سلامة معلومات المصدر الموقعة، لا إلى الدقة الواقعية أو الأصالة الفنية أو موثوقية الجهة الموقِّعة.

لا يعني خلو الأصل من بيانات الاعتماد تلقائيًا أنه اصطناعي أو مضلل. فبيانات الاعتماد اختيارية، وقد تزيل المنصات المعلومات المضمنة أثناء تحويل الترميز أو التقاط لقطات الشاشة أو إعادة الضغط.

تطبيقات الذكاء الاصطناعي والرؤية الحاسوبية في العالم الحقيقي#

• الإفصاح عن الوسائط المُنشأة بالذكاء الاصطناعي: يمكن لخدمة توليد الصور إرفاق بيانات اعتماد تفيد بأن مخرجاتها أنشأتها خوارزمية مدرّبة. وعندما تظهر الصورة على منصة تدعم هذه الميزة، يمكن للمشاهدين التحقق من مصدرها بدلًا من الاعتماد على المؤشرات البصرية وحدها. فعلى سبيل المثال، يمكن أن تعرض بيانات اعتماد المحتوى في LinkedIn معلومات C2PA المتاحة للصور ومقاطع الفيديو الموقعة، بما في ذلك إقرارات استخدام الذكاء الاصطناعي والجهة المُصدرة.

• حوكمة مجموعات بيانات التدريب: قد يتلقى فريق للرؤية الحاسوبية صورًا من الكاميرات والشركاء ومُنشئات البيانات الاصطناعية. ويمكن لبيانات الاعتماد الصالحة أن تساعد في التمييز بين العينات الملتقطة والأصول التي أنتجها الذكاء الاصطناعي أو عُدّلت، وفي اكتشاف التغييرات غير المتوقعة قبل التدريب. ويكمل ذلك إصدارات مجموعة البيانات ومراجعة التعليقات التوضيحية وخصوصية البيانات، لكنه لا يحدد مدى دقة التسميات أو ما إذا كانت المؤسسة تملك الإذن بالتدريب على المحتوى.

تطبيق بيانات الاعتماد على مخرجات الرؤية الحاسوبية#

يمكن لسير عمل Ultralytics YOLO26 إنشاء صورة استدلال مشروحة وحفظها باستخدام وضع التنبؤ:

from ultralytics import YOLO

# ⁨تحميل نموذج مُدرّب مسبقًا لاكتشاف الكائنات⁩
model = YOLO("yolo26n.pt")
source = "https://ultralytics.com/images/bus.jpg"

# ⁨تنفيذ الاستدلال واختيار النتيجة الأولى⁩
results = model(source)
result = results[0]

# ⁨حفظ المخرجات المشروحة لاستخدامها لاحقًا في إضافة بيانات الاعتماد⁩
output_path = result.save(filename="annotated_bus.jpg")
print(output_path)

ينشئ هذا ملف المخرجات، لكنه لا يرفق به بيانات اعتماد C2PA بنفسه. ويمكن لأداة نشر أو تحرير تدعم بيانات الاعتماد توقيع الملف المحفوظ لاحقًا. فعلى سبيل المثال، يمكن أن يرفق تصدير بيانات اعتماد المحتوى في Photoshop معلومات الإسناد وسجل التحرير، بينما يمكن لـمدقق بيانات اعتماد المحتوى العام فحص الملفات المدعومة.

لإدارة التعليقات التوضيحية لمجموعة البيانات والتدريب والنشر، تربط منصة Ultralytics سير عمل الرؤية الحاسوبية في بيئة واحدة. وينبغي للفرق الحفاظ على بيانات الاعتماد عند استيراد الوسائط المصدر، وتسجيل التحويلات بشكل منفصل، وإضافة بيانات اعتماد جديدة عند نشر مخرجات تغيرت جوهريًا.

القيود وأفضل الممارسات#

تكون بيانات اعتماد المحتوى أكثر فاعلية عند دمجها مع الشفافية في الذكاء الاصطناعي وإدارة المفاتيح الآمنة والتحقق من الحقائق وتحليل المحتوى. تحقّق من صلاحية بيانات الاعتماد وهوية الجهة الموقِّعة، وافصح بدقة عن استخدام الذكاء الاصطناعي، وتجنب تضمين بيانات وصفية شخصية حساسة، واحتفظ بالملفات الأصلية متى أمكن.

ينبغي للمؤسسات أيضًا اختبار قدرة بيانات الاعتماد على الاستمرار عبر مسار التسليم الكامل، بما في ذلك التحسين والتحميل إلى وسائل التواصل الاجتماعي والتصدير. ويمكن أن تتابع مراقبة النشر سلوك النظام، بينما تساعد سجلات C2PA في توضيح مصدر كل أصل وسائط على حدة وكيفية تغييره.