Content Credentials (C2PA)
Узнай, как Content Credentials и C2PA подтверждают происхождение цифровых материалов, участие ИИ и историю редактирования, обеспечивая надежность рабочих процессов компьютерного зрения.
Учетные данные о контенте — это записи, позволяющие обнаружить подделку и содержащие сведения о происхождении цифрового объекта, его авторстве и истории изменений. Они реализуют стандарт C2PA, разработанный Коалицией за происхождение и подлинность контента, и могут сопровождать изображения, видео, аудио и документы. В сфере ИИ и компьютерного зрения они предоставляют проверяемый контекст: например, указывают, было ли медиа снято камерой, отредактировано в программе или частично либо полностью создано генеративной моделью.
Как работают учетные данные о контенте#
Спецификация C2PA определяет структурированную запись о происхождении, называемую манифестом C2PA. Ее утверждения могут содержать сведения о средстве создания, действиях по редактированию, использовании ИИ, временных метках, исходных материалах для создания объекта или подписавшей стороне.
Типичный рабочий процесс состоит из четырех этапов:
- Совместимая камера, приложение или сервис ИИ создает или изменяет объект.
- Инструмент записывает выбранные сведения о происхождении в манифест.
- Криптографические хеши связывают манифест с объектом, а цифровая подпись указывает сущность, выдавшую учетные данные.
- Совместимое средство проверки определяет, остаются ли подпись и хеши действительными.
Изменение связанного контента или манифеста приводит к сбою проверки, что позволяет обнаружить несанкционированные изменения. Учетные данные можно встроить в файл или хранить отдельно, а затем восстановить с помощью методов, называемых мягкой привязкой, например сопоставления отпечатков. В официальном руководстве по реализации C2PA объясняется, почему совпадения при мягкой привязке требуют дополнительной проверки.
Этот процесс поддерживает прослеживаемость данных, но не доказывает, что на изображении запечатлено реальное событие. Он доказывает, что конкретные утверждения о происхождении были подписаны, остаются связанными с объектом и не изменялись после подписания.
C2PA и связанные сигналы доверия#
Учетные данные о контенте пересекаются с рядом концепций подлинности медиа, но выполняют отдельную задачу:
- C2PA и метаданные: Обычные метаданные EXIF или описательные метаданные могут содержать модель камеры или временную метку, но обычно их можно изменить, не оставив следов. C2PA криптографически связывает подписанные утверждения с объектом.
- C2PA и водяные знаки ИИ: Водяной знак помещает в контент видимый или скрытый сигнал. C2PA в первую очередь содержит структурированные сведения о происхождении, хотя при мягкой привязке водяные знаки можно использовать для восстановления отсоединенных учетных данных.
- C2PA и обнаружение дипфейков: Обнаружение анализирует медиа после создания, выявляя подозрительные артефакты. Учетные данные о контенте заблаговременно фиксируют заявленное происхождение и преобразования.
- C2PA и подлинность: Действительные учетные данные подтверждают целостность подписанных сведений о происхождении, но не фактическую достоверность, художественную оригинальность или благонадежность подписавшей стороны.
Отсутствие учетных данных у объекта не означает автоматически, что он синтетический или вводит в заблуждение. Учетные данные необязательны, и платформы могут удалять встроенную информацию при перекодировании, создании снимков экрана или повторном сжатии.
Применение ИИ и компьютерного зрения в реальных условиях#
-
Раскрытие информации о медиа, созданных ИИ: Сервис генерации изображений может добавить учетные данные с указанием, что результат создан обученным алгоритмом. Когда изображение появляется на поддерживающей такую функцию платформе, зрители могут изучить его происхождение, а не полагаться только на визуальные признаки. Например, учетные данные о контенте LinkedIn могут отображать доступную информацию C2PA для подписанных изображений и видео, включая утверждения об использовании ИИ и сведения о выдавшей их сущности.
-
Управление обучающими наборами данных: Команда по компьютерному зрению может получать изображения с камер, от партнеров и из генераторов синтетических данных. Действительные учетные данные помогают отличать снятые образцы от созданных ИИ или отредактированных объектов и обнаруживать неожиданные изменения до начала обучения. Это дополняет версионирование наборов данных, проверку аннотаций и конфиденциальность данных, но не позволяет определить, точны ли метки и есть ли у организации разрешение на обучение с использованием контента.
Применение учетных данных к результатам компьютерного зрения#
Рабочий процесс Ultralytics YOLO26 может создать и сохранить изображение с аннотациями с помощью режима predict:
from ultralytics import YOLO
# Загрузить предварительно обученную модель обнаружения объектов
model = YOLO("yolo26n.pt")
source = "https://ultralytics.com/images/bus.jpg"
# Выполни инференс и выбери первый результат
results = model(source)
result = results[0]
# Сохранить результат с аннотациями для последующего добавления учетных данных
output_path = result.save(filename="annotated_bus.jpg")
print(output_path)Так создается выходной объект, но учетные данные C2PA при этом не добавляются. После этого сохраненный файл может подписать инструмент публикации или редактирования, поддерживающий учетные данные. Например, экспорт учетных данных о контенте из Photoshop может добавить атрибуцию и историю редактирования, а общедоступный средство проверки учетных данных о контенте позволяет проверять поддерживаемые файлы.
Для управления аннотированием наборов данных, обучением и развертыванием платформа Ultralytics объединяет рабочий процесс компьютерного зрения в одной среде. При загрузке исходных медиа командам следует сохранять учетные данные, отдельно фиксировать преобразования и добавлять новые учетные данные при публикации существенно измененных результатов.
Ограничения и рекомендации#
Учетные данные о контенте наиболее эффективны в сочетании с прозрачностью в сфере ИИ, безопасным управлением ключами, проверкой фактов и анализом контента. Проверяй действительность учетных данных и личность подписавшей стороны, точно раскрывай информацию об использовании ИИ, не включай конфиденциальные персональные метаданные и по возможности сохраняй исходные файлы.
Организациям также следует проверять, сохраняются ли учетные данные на всех этапах доставки, включая оптимизацию, загрузку в социальные сети и экспорт. Мониторинг развертывания позволяет отслеживать поведение системы, а записи C2PA помогают понять, откуда появились отдельные медиаобъекты и как они изменялись.
