C2PA, watermark AI và công cụ phát hiện ảnh: nên dùng cách kiểm tra nào?

Doanh nghiệp nhận ảnh từ khách hàng, đại lý và nhà cung cấp hiếm khi kiểm soát được từng tệp được tạo ra như thế nào. Có tệp đi kèm lịch sử được ký số theo chuẩn C2PA (Content Credentials). Có tệp chứa watermark AI mà công cụ tương thích đọc được. Có tệp chỉ là ảnh chụp màn hình, không có cả hai. Một quy trình kiểm tra ảnh hữu ích, dù dùng C2PA, watermark AI hay công cụ phát hiện ảnh, phải xử lý được cả ba trường hợp mà không coi việc thiếu thông tin là bằng chứng tệp không có vấn đề.

Hãy chọn kiểm tra C2PA khi câu hỏi là lịch sử đã được ghi lại nào có thể được xác nhận là hợp lệ. Hãy chọn công cụ kiểm tra watermark được hỗ trợ khi câu hỏi là một tín hiệu nhúng cụ thể có xuất hiện hay không. Hãy chọn công cụ phát hiện ảnh bằng mô hình học máy khi câu hỏi là nội dung nhận được có mang những dấu hiệu gắn với mục tiêu phát hiện của công cụ hay không. Sau đó, hãy nối các phát hiện ấy với quyết định bạn thật sự cần đưa ra.

Ba cách kiểm tra này có thể cùng xuất hiện trong một lần xem xét. Không cách nào riêng lẻ chứng minh được rằng sự kiện trong ảnh đã diễn ra đúng như mô tả. Bài viết này tập trung vào việc tập hợp bằng chứng và xử lý những điểm không khớp, chứ không phải việc nhận ra các lỗi hình ảnh của ảnh AI. Để bắt đầu xem xét một tệp, hãy đọc cách nhận biết ảnh do AI tạo ra.

Nếu bạn đã có các kết quả mâu thuẫn, hãy bắt đầu từ quy trình khi các kết quả mâu thuẫn. Nếu bạn đang chọn công cụ, hãy xem bảng so sánh trước.

Bắt đầu từ nhận định cần chứng minh, không phải nhãn “thật hay giả”

“Ảnh này có xác thực không?” là câu hỏi quá rộng để đưa vào yêu cầu mua sắm. Bộ phận marketing có thể cần phát hiện các chỉnh sửa bằng AI tạo sinh chưa được công bố. Bộ phận quản lý chất lượng nhà cung cấp có thể cần bằng chứng rằng một lô sản xuất cụ thể đã được kiểm tra. Tòa soạn có thể cần xác minh ảnh được chụp ở đâu và vào lúc nào. Đó là những quyết định khác nhau, ngay cả khi cả ba nhóm nhận cùng một tệp JPEG.

Hãy viết điều kiện chấp nhận trước, ví dụ: “Trước khi giao hàng, ảnh này phải ghi lại đúng đơn vị sản xuất đã được xác định.” Rồi tách câu hỏi về lịch sử của tệp khỏi câu hỏi về cảnh được chụp. Bằng chứng cho thấy AI đã được dùng có thể ảnh hưởng đến việc bức ảnh có được chấp nhận hay không, nhưng việc không phát hiện AI không xác định được đơn vị sản xuất. Một bức ảnh chưa qua chỉnh sửa nhưng chụp một đơn vị khác vẫn không đạt yêu cầu.

Với nguồn ảnh hỗn hợp, hãy giữ hai bộ hồ sơ song song: những gì đã biết về tệp, và những gì hỗ trợ việc dùng tệp trong trường hợp này. Phần giao nhau của hai bộ hồ sơ quyết định bản nộp có đủ hay không.

Nguồn gốc số nghĩa là gì

Nguồn gốc số (digital provenance) là lịch sử được ghi lại của một nội dung số: nó đến từ đâu, được tạo ra thế nào và sau đó đã trải qua những thao tác nào. NIST mô tả việc theo dõi dữ liệu nguồn gốc là ghi lại thông tin về xuất xứ và lịch sử của nội dung để hỗ trợ xác định tính xác thực, tính toàn vẹn và độ tin cậy. NIST AI 100-4, mục 3.1 (tiếng Anh) Tài liệu giải thích của C2PA dùng cùng ý tưởng, coi nguồn gốc là việc hiểu lịch sử của một tệp nội dung số (asset). Tài liệu giải thích của C2PA (tiếng Anh)

Ba câu hỏi dưới đây rất dễ bị gộp làm một và nên được giữ tách bạch:

• Nguồn gốc: tệp này có lịch sử nào được ghi lại, và do ai ghi?
• Tính xác thực: bản ghi đó còn nguyên vẹn không, có áp dụng cho đúng tệp này không, và bên ký có đáng tin không? NIST dùng thuật ngữ “content authentication” (xác thực nội dung) cho quá trình dùng dữ liệu nguồn gốc để xác định một nội dung là xác thực.
• Sự thật về sự kiện được mô tả: cảnh trong ảnh có diễn ra như hiển thị không? Tài liệu giải thích của C2PA nêu rõ rằng chỉ riêng thông tin nguồn gốc không cho bạn biết nội dung số có đúng, chính xác hay phản ánh sự thật hay không.

Mỗi cơ chế đưa nguồn gốc đi kèm nội dung theo một cách riêng:

Mỗi cách kiểm tra đóng góp điều gì

Content Credentials mang các khẳng định nguồn gốc được ký số theo chuẩn C2PA. Công cụ xác minh kiểm tra tính toàn vẹn của chúng và mối liên hệ với tệp; lịch sử có thể mô tả việc chụp, chỉnh sửa hoặc tạo ra nội dung. Việc tham gia là tự nguyện, lịch sử có thể không đầy đủ, và nguồn gốc không bảo đảm sự thật của một cảnh hay một chú thích. Tài liệu giải thích của C2PA (tiếng Anh)

Watermark AI vô hình là tín hiệu được một hệ thống tham gia nhúng vào nội dung. Công cụ xác minh tương thích sẽ tìm tín hiệu đó. Ngược lại, phát hiện bằng mô hình học máy phân tích đặc điểm của chính nội dung mà không đòi hỏi bên tạo nội dung phải gắn sẵn nguồn gốc. NIST mô tả các hướng này bổ sung cho nhau và cảnh báo rằng không phương pháp riêng lẻ nào là giải pháp toàn diện. NIST AI 100-4, tóm tắt và mục 3 (tiếng Anh)

Logo hoặc biểu tượng AI nhìn thấy được thuộc một nhóm khác: đó là thứ người xét duyệt có thể quan sát trực tiếp. Hãy ghi lại, nhưng đừng coi nó là một lần xác minh bằng mật mã hay xác minh watermark thành công. Hình dưới đây tóm tắt ba luồng bằng chứng được ghi riêng rồi cùng đi vào một lần xem xét nhận định.

Quy định của Việt Nam về đánh dấu nội dung AI: giúp bạn đọc tệp được gì và không bảo đảm điều gì

Từ năm 2026, Việt Nam có khung pháp lý riêng về đánh dấu nội dung do AI tạo ra, và đây là một lý do thực tế để đọc metadata cùng các bản ghi ký số của tệp khi kiểm tra ảnh nhận từ đối tác. Luật Trí tuệ nhân tạo số 134/2025/QH15, có hiệu lực từ ngày 1 tháng 3 năm 2026, quy định tại khoản 2 Điều 11 rằng nhà cung cấp hệ thống AI phải bảo đảm nội dung âm thanh, hình ảnh, video do hệ thống AI tạo ra được đánh dấu ở định dạng máy đọc theo quy định của Chính phủ. Nghị định 142/2026/NĐ-CP, có hiệu lực từ ngày 1 tháng 5 năm 2026, cụ thể hóa nghĩa vụ này: Điều 17 quy định việc đánh dấu kỹ thuật, còn Điều 18 quy định việc thông báo và gắn nhãn hiển thị. Luật 134/2025/QH15 trên Công báo Nghị định 142/2026/NĐ-CP trên Công báo

Khi áp dụng vào việc kiểm tra một tệp, có năm điểm cần nhớ:

• Nghĩa vụ thuộc về nhà cung cấp và bên triển khai theo định nghĩa của luật, không phải mọi người gửi ảnh cho bạn. Luật áp dụng với hoạt động AI tại Việt Nam (Điều 1 và Điều 2), nên một ảnh tạo ra ngoài phạm vi đó có thể không chịu các nghĩa vụ này. Bên triển khai là tổ chức, cá nhân dùng hệ thống AI thuộc phạm vi kiểm soát của mình trong hoạt động nghề nghiệp, thương mại hoặc cung cấp dịch vụ; việc dùng cho mục đích cá nhân, phi thương mại không thuộc khái niệm này (khoản 5 Điều 3).
• Dấu hiệu chỉ được bảo đảm trong phạm vi hệ thống kiểm soát. Nhà cung cấp phải duy trì chức năng đánh dấu trong quá trình tạo, xuất và cung cấp nội dung “trong phạm vi các chức năng do hệ thống kiểm soát” (khoản 4 Điều 17 Nghị định 142/2026/NĐ-CP). Khi ảnh bị chụp màn hình, lưu lại bằng ứng dụng khác hoặc gửi qua ứng dụng nhắn tin, dấu hiệu có thể không còn, và tệp nhận được không cho biết điều đó xảy ra ở khâu nào.
• Quy định không ấn định một định dạng duy nhất. Nghị định cho phép nhiều cách đánh dấu và giao Bộ Khoa học và Công nghệ công bố, cập nhật danh mục tiêu chuẩn, quy chuẩn hoặc hướng dẫn kỹ thuật tham chiếu (khoản 2 và khoản 6 Điều 17). Vì vậy dấu hiệu bạn gặp có thể nằm trong metadata, trong cấu trúc tệp, trong một bản ghi có chữ ký số hoặc ở dạng khác; đừng mặc định rằng tệp nào cũng mang Content Credentials. Một trường metadata không có chữ ký chỉ là khai báo nằm trong tệp, có thể bị sửa hoặc làm giả.
• Các hệ thống đã vận hành trước ngày luật có hiệu lực có thời gian chuyển tiếp. Hệ thống AI đã đưa vào hoạt động trước ngày 1 tháng 3 năm 2026 có 12 tháng kể từ ngày luật có hiệu lực để thực hiện các nghĩa vụ, hoặc 18 tháng đối với lĩnh vực y tế, giáo dục và tài chính (khoản 1 Điều 35 Luật 134/2025/QH15). Ảnh từ những hệ thống này vì thế có thể chưa mang dấu hiệu.
• Nhãn hiển thị gắn với việc cung cấp nội dung ra công cộng và có ngoại lệ (khoản 4 Điều 18 Nghị định 142/2026/NĐ-CP). Một bức ảnh đối tác gửi riêng cho bạn có thể chưa từng được đăng công khai, nên việc không thấy nhãn chưa nói lên điều gì.

Đây là thông tin tham khảo về khung pháp lý, không phải tư vấn pháp lý. Việc các quy định áp dụng thế nào với một công cụ tạo ảnh cụ thể là câu hỏi dành cho bộ phận pháp chế của bạn. Fileverity đọc EXIF, XMP và các nhãn AI đọc được bằng máy khi tệp có chúng, và giữ chúng tách khỏi bằng chứng ở mức điểm ảnh. Báo cáo ghi lại những gì có trong tệp; báo cáo không đánh giá tệp hay nhà cung cấp có đáp ứng quy định pháp luật nào hay không. Trang Gắn nhãn nội dung AI trình bày chi tiết hơn các nghĩa vụ này.

Xác minh C2PA: tách riêng sự hiện diện, tính hợp lệ và độ tin cậy

Theo trang đặc tả của C2PA mà chúng tôi đối chiếu ngày 4 tháng 11 năm 2026, bộ đặc tả hiện ở phiên bản 2.5, và phần lịch sử phiên bản của đặc tả kỹ thuật ghi bản phát hành tháng 10 năm 2026. Hãy ghi lại phiên bản và năng lực mà từng công cụ xác minh thực sự triển khai; một chuẩn đã công bố không chứng minh một sản phẩm đã hỗ trợ nó. Trang đặc tả C2PA 2.5 (tiếng Anh)

Mô hình tin cậy của bản 2.5 phân biệt manifest đúng cấu trúc (well-formed), hợp lệ (valid) và đáng tin cậy (trusted), đồng thời xử lý riêng việc liên kết với nội dung của tệp. Vì vậy, việc có manifest mới chỉ là điểm khởi đầu. Hãy ghi lại trạng thái hợp lệ mà công cụ trả về, việc phần nội dung được bao phủ có hợp lệ hay không, và kết quả về độ tin cậy của bên ký. Đặc tả kỹ thuật C2PA 2.5, mục 13–14 (tiếng Anh)

Khi mua sắm, hãy yêu cầu nhà cung cấp trình diễn những khác biệt này bằng các tệp mẫu được phép dùng. Người xét duyệt có phân biệt được “không tìm thấy Content Credentials” với “có Content Credentials nhưng chưa được xác nhận hợp lệ” không? Công cụ có giải thích được một định dạng không được hỗ trợ, hoặc một bên ký nằm ngoài cấu hình tin cậy của nó, không? Người xét duyệt có xem được hành động liên quan, thay vì chỉ dựa vào một biểu tượng màu xanh, không?

Hãy đối chiếu lịch sử với yêu cầu của bạn. Một bản ghi về việc tạo ảnh có thể cho thấy rõ rằng AI đã tham gia và việc đó đã được công bố, nhưng ảnh vẫn hoàn toàn chấp nhận được cho một quảng cáo mang tính ý niệm. Một lịch sử máy ảnh hợp lệ vẫn có thể chưa đủ cho một đợt kiểm tra chất lượng nếu bức ảnh không thể gắn với đúng đơn vị được yêu cầu. Một bản ghi nguồn gốc từ máy ảnh, theo sau là các chỉnh sửa, phải được đọc như một chuỗi, không thể rút gọn thành mục đầu tiên.

Đặc biệt, việc không có thông tin rất dễ bị diễn giải sai. Một nhà cung cấp chưa từng dùng quy trình ký số không thể hưởng lợi ích đó một cách hồi tố chỉ bằng cách gửi lại chính tệp đó. Nếu quy trình sau này cần ảnh chụp có ký số, hãy nêu yêu cầu này trước khi chụp. Với kho ảnh hỗn hợp đã có, hãy giữ một lộ trình xác minh thay thế thay vì từ chối mọi tệp không có Content Credentials.

Xác minh watermark AI: nêu rõ dịch vụ cụ thể

“Hỗ trợ SynthID” không xác định một phạm vi kiểm tra cố định. Theo trang tổng quan của Google DeepMind mà chúng tôi đối chiếu ngày 4 tháng 11 năm 2026, SynthID Detector, một cổng xác minh độc lập, kiểm tra ảnh, video và âm thanh do Google và các đối tác tham gia tạo ra. Phạm vi đó rộng hơn cách hiểu chỉ giới hạn ở Google. Tổng quan SynthID của Google DeepMind (tiếng Anh)

Đồng thời, trang trợ giúp Gemini Apps cho biết khả năng nhận diện SynthID của Gemini hiện chỉ dành cho nội dung tạo bằng công cụ AI của Google. Trang này cũng mô tả một cách kiểm tra Content Credentials riêng: hỗ trợ phiên bản 2.2 trở lên, giới hạn ở các sản phẩm có trong Danh sách sản phẩm tuân thủ (Conforming Products List) của C2PA, và không hỗ trợ metadata lưu từ xa. Đây là các giới hạn của từng sản phẩm, không phải giới hạn chung của C2PA hay của mọi cách kiểm tra SynthID. Trợ giúp xác minh của Gemini (tiếng Anh)

Hãy ghi vào hồ sơ xét duyệt tên công cụ xác minh và kênh bạn dùng để truy cập nó. Kết quả không thấy watermark trong Gemini không nên bị mở rộng thành “đã kiểm tra mọi đối tác tham gia”. Tương tự, việc một đối tác xuất hiện trong thông báo về hệ sinh thái không chứng minh rằng mọi sản phẩm, bản xuất cũ hay chế độ chỉnh sửa của đối tác đó đều được bao phủ. Hãy xác nhận phạm vi đầu vào và sản phẩm của dịch vụ bạn dùng.

Google cũng lưu ý rằng việc chỉnh sửa lặp đi lặp lại có thể khiến watermark không còn phát hiện được, và các chỉnh sửa nhỏ hoặc nội dung quá đơn giản, ít chi tiết có thể cho kết quả không rõ. Hãy giữ “không rõ” như một kết quả riêng. Giới hạn watermark trong Gemini (tiếng Anh)

Khi vận hành, hãy yêu cầu người xét duyệt lưu lại kết quả xác minh thực tế. Nhận xét bằng mắt của một chatbot rằng ảnh “trông giống ảnh do AI tạo ra” không nên được ghi thành phát hiện watermark thành công. Hồ sơ cần chỉ rõ cơ chế đã cung cấp bằng chứng.

Phát hiện bằng mô hình học máy: hướng xử lý cho ảnh không rõ nguồn

Một dịch vụ phân tích ảnh tổng quát có thể hữu ích khi nhà cung cấp không tham gia hệ sinh thái nguồn gốc nào, hoặc khi bản sao nhận được đã mất lịch sử. Giá trị của nó phụ thuộc vào tác vụ: tạo toàn bộ ảnh, chỉnh sửa cục bộ và xác định hệ thống AI cụ thể đã tạo ra ảnh là những yêu cầu khác nhau.

Hãy nêu rõ yêu cầu nào quan trọng khi đánh giá. Công cụ chỉ phân loại ảnh do AI tạo ra toàn bộ có thể không cho biết một nhãn kiểm tra nhỏ đã bị thay hay chưa. Một dấu hiệu chỉnh sửa có thể đáng được xem xét mà không xác định được AI tạo sinh là nguyên nhân. Về sự khác biệt này, hãy xem cách phát hiện ảnh bị AI chỉnh sửa cục bộ.

Hãy yêu cầu đánh giá trên đúng cơ cấu nguồn ảnh của bạn: ảnh tải trực tiếp từ máy ảnh, tệp xuất từ đại lý, ảnh đã chỉnh sửa, và ảnh nhận qua ứng dụng nhắn tin hoặc dưới dạng ảnh chụp màn hình. Phần thảo luận về đánh giá của NIST nhấn mạnh dương tính giả và hiệu năng tại các ngưỡng đã xác định. Vì vậy, một điểm số cần có định nghĩa đầu ra và kiểm chứng phù hợp trước khi có thể làm căn cứ cho một quyết định vận hành. NIST AI 100-4, mục 4.2.2 (tiếng Anh)

Chẳng hạn, giả sử một kiểm tra cục bộ được hỗ trợ nêu nghi vấn về một chi tiết sản phẩm trong tệp xuất của đại lý không có lịch sử dùng được. Phát hiện đó có thể giúp tập trung yêu cầu vào nguồn trước khi chỉnh sửa và cách xử lý chi tiết ấy, thay vì một yêu cầu chung chung là chứng minh toàn bộ tệp là “thật”. Nếu đầu vào không phù hợp hoặc kết quả chưa đủ cơ sở để kết luận, yêu cầu về nguồn vẫn chưa được giải quyết.

Hãy giữ kết quả theo đúng thuật ngữ của nhà cung cấp. Đừng quy đổi nó thành xác suất người gửi đã nói dối, và đừng lấy trung bình với trạng thái watermark. Những phép quy đổi đó che mất sự khác biệt về điều mà từng cách kiểm tra đo.

Chữ ký số liên kết với đúng ảnh nó mô tả như thế nào

Phân tích ảnh của Fileverity bao gồm việc đọc Content Credentials sẵn có thông qua một bộ đọc C2PA và giữ thông tin nguồn gốc tách biệt với bằng chứng điểm ảnh do mô hình học máy tạo ra. Nền tảng của việc kiểm tra nguồn gốc này là nguyên tắc liên kết nội dung bằng mật mã (cryptographic content binding). Content Credentials bị sao chép sang một bức ảnh không liên quan thì chưa đủ: khẳng định đã ghi phải được gắn với nội dung đang được xem xét.

Có hai mắt xích cần nắm. Liên kết băm nối dữ liệu của tệp được bao phủ với một giá trị băm ghi trong một khẳng định. Bản khai (claim) đã ký tham chiếu các khẳng định thông qua giá trị băm của chúng, nối bản ghi đó với một khóa ký. Chỉ xác minh chữ ký thì chưa thể chứng minh ảnh hiện tại khớp với tệp được bao phủ; việc kiểm tra liên kết nội dung giải quyết mắt xích bổ sung đó. Độ tin cậy của bên ký là một câu hỏi khác nữa. C2PA 2.5, mục 12–14 (tiếng Anh)

Liên kết không phải lúc nào cũng có nghĩa là “băm từng byte của tệp cuối cùng”. Với một khẳng định băm dữ liệu (data hash) của C2PA, một số khoảng byte được chỉ định sẽ bị loại trừ, kể cả kho manifest nhúng trong tệp nếu có. Nếu không, việc đặt một manifest chứa giá trị băm vào chính dữ liệu đang được băm sẽ tạo ra vấn đề tự tham chiếu. Chuẩn này ràng buộc và kiểm tra các vùng loại trừ, chứ không cho phép tùy ý bỏ ngoài phạm vi băm những nội dung quan trọng. Các định dạng khác có thể dùng cấu trúc liên kết khác. Khẳng định băm dữ liệu của C2PA và cách kiểm tra (tiếng Anh)

Hãy xem một ví dụ đơn giản về cách đếm byte. Một tệp 1.000 byte có vùng manifest được phép loại trừ dài 200 byte, bắt đầu tại offset 300. Dùng các khoảng đánh số từ 0 và không gồm điểm cuối:

vùng được băm = file[0:300] || file[500:1000]

Đầu vào của hàm băm gồm 300 + 500 = 800 byte. Ký hiệu || nghĩa là nối chuỗi. Việc thấy cùng một đoạn Content Credentials trong hai tệp chưa nói lên điều gì về việc 800 byte được bao phủ đó có hợp lệ hay không. Công cụ xác minh còn phải kiểm tra các vùng loại trừ có tuân thủ định dạng tệp hay không. Hình dưới đây minh họa bố cục này.

Khi mua sắm, hãy biến cơ chế này thành một buổi trình diễn: giữ tệp mẫu gốc có Content Credentials, một bản sao có dữ liệu ảnh được bao phủ đã bị thay đổi, và kết quả chẩn đoán mà công cụ xác minh trả về cho từng tệp. Hãy hỏi công cụ đã kiểm tra những gì về liên kết với tệp, chữ ký và độ tin cậy của bên ký. Đừng suy ra rằng sản phẩm tuân thủ đầy đủ chuẩn chỉ vì nó hiển thị được một manifest.

Fileverity đọc và kiểm tra tính hợp lệ của Content Credentials theo đặc tả C2PA, gồm cả chữ ký và tính toàn vẹn của manifest. Một bản ghi được liên kết đúng và đáng tin cậy vẫn không thể chứng minh rằng món hàng trong ảnh thuộc về lô hàng đang xét.

Quy trình khi các kết quả mâu thuẫn

Trước hết, hãy xác định xem có thật sự mâu thuẫn hay không. “Không phát hiện watermark được hỗ trợ” và “công cụ phân tích ảnh gắn cờ xét duyệt” có thể cùng đúng: chúng trả lời những câu hỏi khác nhau. Hai kết quả về hai bản sao khác nhau không phải là hai phân tích cạnh tranh nhau trên cùng một bằng chứng.

Hãy dùng trình tự sau mỗi khi các phát hiện có vẻ không nhất quán:

1. Khớp đầu vào. So sánh mã định danh tệp, kích thước ảnh và các phiên bản đã nhận. Giữ lại tệp nguồn và ghi rõ mọi thao tác cắt, chuyển đổi hoặc chụp màn hình đã dùng cho phân tích.
2. Diễn giải đầu ra. Viết một câu cho mỗi cách kiểm tra, nêu cơ chế, phạm vi và kết quả thực tế. Giữ nguyên các trạng thái “không được hỗ trợ” và “chưa đủ cơ sở để kết luận” trong ghi chú.
3. Xác định điểm bất đồng. Bất đồng nằm ở bên ký, một hành động đã ghi, một vùng cụ thể, hay nhận định về thực tế? Xếp sự khác biệt vào đúng câu hỏi đó.
4. Yêu cầu bằng chứng phân định. Chọn loại bằng chứng có thể thay đổi quyết định: chẩn đoán từ công cụ xác minh, một bản xuất trước đó, lời giải thích có tài liệu về việc chỉnh sửa, hoặc một đợt kiểm tra riêng do bên khác thực hiện.
5. Chốt quyết định ở mức bằng chứng cho phép. Ghi lại điều đã được giải quyết, mức chưa chắc chắn còn lại, người xét duyệt và lý do của cách xử lý được chọn.

Bảng bước tiếp theo dưới đây giúp việc kiểm tra lặp đi lặp lại không biến thành cuộc tìm kiếm vô tận một đáp án mong muốn.

Hình dưới đây tóm tắt năm bước của quy trình: bắt đầu từ việc khớp đầu vào và kết thúc bằng một quyết định có ghi lại.

Ví dụ minh họa: ảnh kiểm tra chất lượng của nhà cung cấp

Trong tình huống giả định này, một nhà sản xuất yêu cầu có ảnh chụp rõ một cụm van cụ thể và tấm nhãn số sê-ri của nó trước khi giao hàng. Nhà cung cấp gửi một tệp JPEG làm bằng chứng đã hoàn thành. AI được phép dùng cho tài liệu marketing, nhưng bằng chứng kiểm tra phải thể hiện tình trạng liên quan mà không có phần nào bị thay bằng AI tạo sinh.

Người xét duyệt ghi lại ba kết quả giả định. Một công cụ xác minh C2PA báo nguồn gốc đáng tin cậy, với một thành phần gốc (ingredient) là ảnh từ máy ảnh và một hành động chỉnh sửa bằng AI tạo sinh về sau, nhưng không đủ chi tiết để xác định vị trí của hành động đó. Một công cụ xác minh watermark được hỗ trợ báo không phát hiện watermark. Một bộ phân loại bằng mô hình học máy ở mức toàn ảnh không gắn cờ xét duyệt.

Gọi tệp này là “đã xác minh là thật” sẽ bỏ qua phát hiện liên quan nhất. Việc không có watermark và bộ phân loại không gắn cờ không giải đáp được hành động chỉnh sửa đã ghi lại đã thay đổi điều gì. Gọi lô hàng là gian lận cũng vượt quá bằng chứng: hành động đó có thể chỉ liên quan đến phần nền không quan trọng, và chưa có gì cho thấy có hành vi lừa dối hay cụm van bị lỗi.

Người xét duyệt tạm dừng việc chấp nhận bức ảnh này và đề nghị nhà cung cấp gửi tệp trước khi chỉnh sửa cùng lời giải thích về vùng đã thay đổi. Nhà cung cấp gửi một ảnh trước đó và cho biết họ đã xóa một pallet hàng ở phía nền. Các tệp có vẻ khớp với lời giải thích này, nhưng tấm nhãn số sê-ri vẫn không đọc được ở cả hai ảnh. Câu hỏi về nguồn gốc giờ đã rõ hơn; mối liên hệ cần có với đơn vị sản xuất vẫn còn thiếu.

Người xét duyệt đề nghị một đợt kiểm tra mới qua quy trình đã thiết lập với nhà cung cấp, thể hiện cụm van và tấm nhãn số sê-ri đọc được trong các góc chụp có liên hệ với nhau, kèm biên bản kiểm tra ghi rõ đơn vị sản xuất. Một nhân viên kiểm tra chất lượng đủ chuyên môn xác nhận đơn vị và tình trạng theo yêu cầu. Nhà sản xuất chấp nhận bằng chứng kiểm tra này và ghi nhận bức ảnh đầu tiên là chưa đủ cho yêu cầu ban đầu.

Ghi chú cuối cùng như sau: “Ảnh nộp có một hành động tạo sinh được ghi lại, ban đầu chưa rõ phạm vi. Việc so sánh với tệp gốc sau đó ủng hộ lời giải thích của nhà cung cấp về chỉnh sửa phần nền. Các góc chụp ban đầu không xác định được mã định danh đơn vị. Việc chấp nhận dựa trên đợt kiểm tra thay thế và hồ sơ đơn vị đã liên kết.”

Báo cáo của Fileverity giúp được ở chỗ: đọc Content Credentials sẵn có và giữ nguồn gốc tách biệt với bằng chứng điểm ảnh. Khi các phát hiện cục bộ có cơ sở, báo cáo đánh dấu các vùng đáng ngờ để người xét duyệt thấy phát hiện liên quan đến cụm van hay đến pallet ở nền.

Kết quả này giữ được ranh giới giữa việc giải thích lịch sử của một bức ảnh và việc chứng minh tình trạng lô hàng. Nó cũng tránh việc phải nhờ một công cụ phát hiện thứ hai phân xử một sự kiện mà một đợt kiểm tra có thể làm rõ trực tiếp.

Biến khung kiểm tra này thành yêu cầu mua sắm

Hãy yêu cầu các nhà cung cấp tiềm năng điền một bảng năng lực với các trường sau: cơ chế xác minh, đầu vào được hỗ trợ, hệ sinh thái hoặc phiên bản chuẩn được hỗ trợ, kết quả âm tính và không được hỗ trợ, chẩn đoán được lưu giữ, và hành động mà người xét duyệt có thể thực hiện với từng phát hiện. Hãy chỉ định một người chịu trách nhiệm cập nhật thông tin tương thích vốn luôn thay đổi.

Hãy chạy một đợt thử nhỏ trên các tệp đã được phép sử dụng, gồm ít nhất một tệp không có lịch sử, một tệp có ký số, một tệp đã biết là có dùng AI hỗ trợ và một bản sao đã qua biến đổi. Mục tiêu ban đầu là xem người xét duyệt có giữ được các cơ chế tách biệt và đi tới bước tiếp theo hữu ích hay không. Đó không phải phép đo độ chính xác. Đánh giá hiệu năng quy mô lớn hơn cần một tập mẫu và nhãn tham chiếu được xác định rõ; hướng dẫn chọn phần mềm phát hiện ảnh AI giải thích giai đoạn đó.

Với việc tiếp nhận ảnh từ nhiều nguồn, xác minh hình ảnh của Fileverity đưa ba cách tiếp cận vào một báo cáo: kiểm tra tính hợp lệ của Content Credentials sẵn có, kiểm tra watermark vô hình được hỗ trợ, và phân tích bằng mô hình học máy để tìm dấu hiệu ảnh do AI tạo ra và chỉnh sửa cục bộ. Nếu bạn còn yêu cầu riêng một công cụ xác minh watermark độc quyền, hãy ghi nó vào bảng năng lực và xác nhận mức hỗ trợ cũng như quyền truy cập với chính nhà cung cấp đó.

Hãy gửi cho chúng tôi cơ cấu nguồn ảnh của bạn và một quyết định lặp đi lặp lại mà bạn không thể dựa vào lịch sử ký số hay watermark được hỗ trợ; chúng tôi sẽ cùng đội ngũ của bạn xem xét các trường hợp thực tế (liên hệ bộ phận kinh doanh). Fileverity phân tích tệp trên máy chủ do Entogo vận hành tại Toronto, Canada và xóa chúng sau khi phân tích hoàn tất. Trang Tin cậy và bảo mật trình bày cách xử lý dữ liệu, gồm cả triển khai riêng cho khách hàng Enterprise khi có yêu cầu.

Tác giả Yang Zheng · Người kiểm duyệt Bill Liu