Content Credentials (C2PA)

コンテンツクレデンシャルは、デジタルアセットの起源、作成者、および変更履歴を記述する改ざん検知可能なレコードです。これらはCoalition for Content Provenance and Authenticityによって開発されたC2PA標準を実装しており、画像、動画、音声、およびドキュメントに添付できます。AIやコンピュータービジョンにおいて、メディアがカメラで撮影されたものか、ソフトウェアで編集されたものか、または生成モデルによって部分的に、あるいは全体的に作成されたものかなどの検証可能なコンテキストを提供します。

コンテンツクレデンシャルの仕組み#

C2PA仕様では、C2PAマニフェストと呼ばれる構造化された出所レコードが定義されています。その記述（アサーションと呼ばれます）は、作成ツール、編集アクション、AIの関与、タイムスタンプ、アセットの生成に使用された素材、または署名者に関する情報を特定する場合があります。

一般的なワークフローには4つのステージがあります。

1. 互換性のあるカメラ、アプリケーション、またはAIサービスがアセットを作成または修正します。
2. ツールは選択された出所情報をマニフェストに記録します。
3. 暗号学的ハッシュによってそのマニフェストがアセットにバインドされ、デジタル署名によってクレデンシャルを発行するエンティティが特定されます。
4. 互換性のある検証ツールが、署名とハッシュが有効なままであるかどうかを確認します。

バインドされたコンテンツやマニフェストを変更すると検証が失敗するため、承認されていない変更を検出できるようになります。クレデンシャルはファイル内に埋め込むことも、外部に保存してフィンガープッチマッチングなどのソフトバインディングと呼ばれる手法によって復元することもできます。公式のC2PA実装ガイダンスでは、ソフトバインディングマッチに追加の検証が必要な理由について説明しています。

このプロセスはデータの出所追跡をサポートしますが、画像が実際のイベントを描写していることを証明するわけではありません。特定の出所に関する記述が署名されており、アセットに関連付けられたままであり、署名以降に変更されていないことを証明します。

C2PAと関連する信頼シグナル#

コンテンツクレデンシャルはいくつかのメディア信頼性概念と重複していますが、明確な目的に役立ちます。

• C2PAとメタデータの比較： 通常のEXIFまたは説明的なメタデータはカメラモデルやタイムスタンプを記録できますが、通常は検出されずに変更される可能性があります。C2PAは、署名された記述をアセットに暗号学的にバインドします。
• C2PAとAIウォーターマークの比較： ウォーターマークは、コンテンツ内に視覚的または非表示のシグナルを配置します。C2PAは主に構造化された出所を運びますが、ソフトバインディングでは切り離されたクレデンシャルの復元を助けるためにウォーターマークを使用できます。
• C2PAとディープフェイク検出の比較： 検出では、作成後に疑わしいアーティファクトがないかメディアを分析します。コンテンツクレデンシャルは、宣言された起源と変換を積極的に記録します。
• C2PAと信頼性の比較： 有効なクレデンシャルは、事実の正確さ、芸術的オリジナリティ、信頼できる署名者ではなく、無傷で署名された出所を示しています。

クレデンシャルのないアセットが自動的に合成または欺瞞的であるわけではありません。クレデンシャルはオプションであり、トランスコード、スクリーンショット、または再圧縮の際、プラットフォームが埋め込み情報を削除する場合があります。

現実世界のAIおよびコンピュータービジョンのアプリケーション#

• AI生成メディアの開示： 生成画像サービスは、出力がトレーニングされたアルゴリズムによって作成されたことを示すクレデンシャルを添付できます。画像がサポートプラットフォームに表示されたとき、閲覧者は視覚的な手がかりだけに頼るのではなく、その起源を検査できます。たとえば、LinkedIn Content Credentialsでは、AI使用のアサーションや発行エンティティなど、署名された画像の利用可能なC2PA情報を表示できます。

• トレーニングデータセットガバナンス： コンピュータービジョンチームは、カメラ、パートナー、および合成データジェネレータから画像を受け取ることができます。有効なクレデンシャルは、キャプチャされたサンプルとAI生成または編集されたアセットを区別し、トレーニング前に予期しない変更を検出するのに役立ちます。これは、データセットのバージョニング、アノテーションレビュー、およびデータプライバシーを補完するものであり、ラベルが正確であるかどうか、または組織がそのコンテンツでトレーニングする許可を持っているかどうかを判断するものではありません。

ビジョン出力へのクレデンシャルの適用#

Ultralytics YOLO26ワークフローでは、予測モードを使用して、注釈付きの推論画像を作成して保存できます。

from ultralytics import YOLO

# Load a pretrained object detection model
model = YOLO("yolo26n.pt")
source = "https://ultralytics.com/images/bus.jpg"

# Run inference and select the first result
results = model(source)
result = results[0]

# Save the annotated output for downstream credentialing
output_path = result.save(filename="annotated_bus.jpg")
print(output_path)

これにより出力アセットが作成されますが、それ自体でC2PAクレデンシャルが添付されるわけではありません。クレデンシャル認識型の公開または編集ツールを使用すると、後から保存されたファイルに署名できます。たとえば、Photoshop Content Credentials exportではアトリビューションと編集履歴を添付でき、一方で公開されているContent Credentials verifierではサポートされているファイルを検査できます。

管理されたデータセットのアノテーション、トレーニング、およびデプロイのために、Ultralytics Platformは1つの環境でビジョンワークフローを接続します。チームは、ソースメディアを取り込むときにクレデンシャルを保持し、変換を個別に記録し、大幅に変更された出力を公開するときに新しいクレデンシャルを適用する必要があります。

制限事項とベストプラクティス#

コンテンツクレデンシャルは、AIの透明性、安全なキー管理、ファクトチェック、およびコンテンツ分析と組み合わせたときに最も強力になります。クレデンシャルの有効性と署名者の身元の両方を確認し、AIの関与を正確に開示し、機密性の高い個人メタデータを含めないようにし、可能な場合は元のファイルを保持してください。

組織はまた、最適化、ソーシャルアップロード、エクスポートなど、完全な配信パイプラインを通じてクレデンシャルが維持されるかどうかをテストする必要があります。デプロイモニタリングはシステム動作を追跡できる一方で、C2PAレコードは個々のメディアアセットの出所とそれらがどのように変更されたかを説明するのに役立ちます。