Content Credentials (C2PA)

コンテンツ認証情報は、デジタルアセットの由来、作成者、変更履歴を記録し、改ざんを検知できる仕組みです。Content Provenance and Authenticity連合が策定したC2PA標準を実装しており、画像、動画、音声、ドキュメントに付与できます。AIやコンピュータービジョンでは、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、生成モデルによって部分的または全面的に作成されたものかといった、検証可能なコンテキストを提供します。

コンテンツ認証情報の仕組み#

C2PA仕様では、C2PAマニフェストと呼ばれる構造化された来歴記録を定義しています。アサーションと呼ばれるその記述には、作成ツール、編集操作、AIの関与、タイムスタンプ、アセットの作成に使用した素材、署名者に関する情報などを記録できます。

一般的なワークフローは、次の4つの段階で構成されます。

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変更します。
2. ツールが選択した来歴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マニフェストとアセットを結び付け、デジタル署名によって認証情報の発行者を識別します。
4. 互換性のある検証ツールが、署名とハッシュの有効性が保たれているかを確認します。

結び付けられたコンテンツまたはマニフェストを変更すると検証に失敗するため、不正な変更を検出できます。認証情報はファイルに埋め込むことも、外部に保存して、フィンガープリント照合などのソフトバインディングと呼ばれる手法で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による照合に追加の検証が必要な理由を説明しています。

このプロセスはデータの来歴を裏付けますが、画像が実際の出来事を描写していることを証明するものではありません。特定の来歴に関する記述に署名が付与され、アセットとの関連が維持され、署名後に改変されていないことを証明します。

C2PAと関連する信頼性のシグナル#

コンテンツ認証情報は、メディアの真正性に関するいくつかの概念と重なりますが、目的はそれぞれ異なります。

• C2PAとメタデータの違い： 通常のEXIFや説明用メタデータには、カメラのモデルやタイムスタンプを記録できますが、通常は変更しても検知されません。C2PAでは、署名付きの記述を暗号学的にアセットに結び付けます。
• C2PAとAIウォーターマークの違い： ウォーターマークは、コンテンツ内に可視または不可視の信号を埋め込みます。C2PAは主に構造化された来歴情報を保持しますが、ソフトバインディングでは、切り離された認証情報の復元を補助するためにウォーターマークを使用することがあります。
• C2PAとディープフェイク検出の違い： 検出では、作成後のメディアを分析して不審な痕跡を探します。コンテンツ認証情報は、申告された由来や変換履歴を事前に記録します。
• C2PAと真正性の違い： 有効な認証情報が示すのは、署名付きの来歴が改変されていないことです。事実の正確性、芸術的な独創性、署名者の信頼性を示すものではありません。

認証情報が付いていないアセットが、必ずしも合成コンテンツや欺瞞的なコンテンツであるとは限りません。認証情報の付与は任意であり、トランスコード、スクリーンショット、再圧縮の際に、プラットフォームが埋め込み情報を削除することもあります。

実世界のAIとコンピュータービジョンへの応用#

• AI生成メディアの開示： 生成画像サービスは、出力が学習済みアルゴリズムによって作成されたことを示す認証情報を付与できます。その画像が対応プラットフォームに表示される場合、閲覧者は視覚的な手掛かりだけに頼らず、画像の由来を確認できます。たとえば、LinkedInのコンテンツ認証情報では、AIの利用に関するアサーションや発行者など、署名付き画像や動画で利用可能なC2PA情報を表示できます。

• 学習データセットのガバナンス： コンピュータービジョンチームは、カメラ、パートナー、合成データ生成ツールから画像を受け取ることがあります。有効な認証情報は、撮影されたサンプルとAIが生成または編集したアセットを区別し、学習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ン管理、アノテーションのレビュー、データプライバシーを補完するものですが、ラベルの正確性や、組織がそのコンテンツを学習に使用する許可を得ているかどうかを判定するものではありません。

ビジョンの出力への認証情報の適用#

Ultralytics YOLO26のワークフローでは、predictモードを使用して、アノテーション付きの推論画像を作成し、保存できます。

from ultralytics import YOLO

# 事前学習済みの物体検出モデルを読み込みます
model = YOLO("yolo26n.pt")
source = "https://ultralytics.com/images/bus.jpg"

# 推論を実行し、最初の結果を選択します
results = model(source)
result = results[0]

# 後続の認証情報付与に備えて、アノテーション付きの出力を保存します
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認証情報が付与されるわけではありません。認証情報に対応した公開ツールまたは編集ツールを使って、保存したファイルに後から署名できます。たとえば、Photoshopのコンテンツ認証情報の書き出しでは帰属情報と編集履歴を付与でき、公開されているコンテンツ認証情報検証ツールでは、対応ファイルを検査できます。

データセットの管理、アノテーション、学習、デプロイを行う場合、Ultralytics Platformを使うと、ビジョンのワークフローを1つの環境にまとめられます。チームは、ソースメディアの取り込み時に認証情報を保持し、変換を個別に記録し、公開時に大幅に変更した出力へ新しい認証情報を付与する必要があります。

制限事項と適切な運用方法#

コンテンツ認証情報は、AIの透明性、安全な鍵管理、ファクトチェック、コンテンツ分析と組み合わせることで、より有効になります。認証情報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、可能な限り元のファイルを保持してください。

組織は、最適化、ソーシャルメディアへのアップロード、書き出しなどを含む、デリバリーパイプライン全体で認証情報が保持されるかどうかもテストする必要があります。デプロイ監視ではシステムの動作を追跡でき、C2PAの記録では個々のメディアアセットの由来や変更内容を把握できます。