Content Credentials (C2PA)

了解 Content Credentials 和 C2PA 如何验证数字媒体溯源、AI 参与度以及编辑历史，以实现可靠的计算机视觉工作流。

内容凭证是防篡改记录，用于描述数字资产的来源、作者身份和修改历史。它们实现了由内容来源和真实性联盟开发的 C2PA 标准，可以随附于图像、视频、音频和文档中。在 AI 和计算机视觉中，它们提供可验证的上下文，例如媒体是由相机拍摄、用软件编辑，还是部分或全部由生成式模型创建。

内容凭证的工作原理#

C2PA 规范定义了一种称为 C2PA 清单的结构化溯源记录。其声明被称为断言，可能标明创建工具、编辑操作、AI 参与度、时间戳、用于生成资产的成分，或有关签名者的信息。

典型的工作流包含四个阶段：

兼容的相机、应用程序或 AI 服务创建或修改资产。
工具将选定的溯源信息记录在清单中。
密码学哈希将该清单绑定到资产，数字签名则用于识别签发凭证的实体。
兼容的验证器检查签名和哈希是否仍然有效。

更改绑定的内容或清单会导致验证失败，从而使未授权的修改能够被检测到。凭证可以嵌入在文件中，也可以存储在外部，并通过称为软绑定（例如指纹匹配）的技术进行恢复。官方的C2PA 实现指南解释了为什么软绑定匹配需要额外的验证。

此过程支持数据溯源，但它并不能证明图像描绘的是真实事件。它证明的是特定的溯源声明已被签名、仍然与资产关联，并且自签名以来未被篡改。

C2PA 与相关信任信号#

内容凭证与几个媒体真实性概念有重叠，但它们具有独特的用途：

C2PA 与元数据： 普通的 EXIF 或描述性元数据可以记录相机型号或时间戳，但通常可以在不被发现的情况下更改。C2PA 通过密码学将已签名的声明绑定到资产。
C2PA 与AI 水印： 水印在内容内部放置可见或隐藏的信号。C2PA 主要承载结构化的溯源信息，不过软绑定可以使用水印来帮助恢复分离的凭证。
C2PA 与深度伪造检测： 检测在创作后分析媒体中的可疑伪影。内容凭证则是主动记录声明的来源和转换过程。
C2PA 与真实性： 有效的凭证表明完整、已签名的溯源，并不代表事实准确性、艺术原创性或签名者值得信赖。

没有凭证的资产并不自动代表它是合成的或具有欺骗性的。凭证是可选的，平台在转码、截图或重新压缩期间可能会剥离嵌入的信息。

真实世界的 AI 与计算机视觉应用#

AI 生成媒体披露： 生成式图像服务可以附加一个凭证，说明输出是由训练好的算法创建的。当图像出现在支持的平台上时，观众可以检查其来源，而不必仅依靠视觉线索。例如，LinkedIn 内容凭证可以显示已签名图像和视频可用的 C2PA 信息，包括 AI 使用断言和签发实体。
训练数据集治理： 计算机视觉团队可能会接收来自相机、合作伙伴和合成数据生成器的图像。有效的凭证有助于区分捕获的样本与 AI 生成或编辑的资产，并在训练前检测出意外的更改。这与数据集版本控制、标注审查和数据隐私相辅相成；它不能决定标签是否准确，也不能决定组织是否有权对该内容进行训练。

将凭证应用于视觉输出#

Ultralytics YOLO26 工作流可以通过预测模式创建并保存带标注的推理图像：

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)

这会创建输出资产，但不会自行附加 C2PA 凭证。支持凭证的发布或编辑工具可以在事后对保存的文件进行签名。例如，Photoshop 内容凭证导出可以附加归属信息和编辑历史，而公开的内容凭证验证器可以检查支持的文件。

对于托管的数据集标注、训练和部署，Ultralytics Platform 将视觉工作流连接到一个环境中。团队在提取源媒体时应保留凭证，单独记录转换过程，并在发布发生重大更改的输出时应用新凭证。