Guide alla verifica

Cos’è una filigrana IA? Cosa può e non può dimostrare

Scopri come funzionano le filigrane IA visibili e invisibili, cosa può stabilire un segnale positivo e perché l’assenza di una filigrana non dimostra che il contenuto sia reale.

Copertina dell’articolo con il titolo: Cos’è una filigrana IA? Cosa può e non può dimostrare

Una filigrana IA è un segnale aggiunto a contenuti generati o modificati con l’IA affinché un rilevatore compatibile possa identificarne in seguito l’origine o il metodo di produzione. Il segnale può essere visibile, come un logo, oppure impercettibile, come un motivo incorporato nei pixel delle immagini, nei fotogrammi video, nell’audio o nel testo generato.

Una filigrana rilevata può fornire una prova positiva utile. Una filigrana assente non può dimostrare che il contenuto sia stato creato da una persona e neppure una filigrana valida dimostra che la scena o la didascalia siano vere.

Come funzionano le filigrane IA?

Un sistema IA aggiunge un segnale noto mentre produce o esporta contenuti. Un verificatore corrispondente cerca quel segnale e indica se è stato rilevato con sufficiente affidabilità. I metodi di inserimento e rilevamento dipendono dal tipo di contenuto e dal fornitore della filigrana.

Per immagini e video, un sistema può apportare piccole modifiche ai motivi dei pixel, progettate per resistere alle trasformazioni comuni. I sistemi audio possono alterare le caratteristiche del segnale senza creare una marcatura chiaramente udibile. La marcatura del testo può influenzare la selezione dei token affinché i passaggi generati mostrino un motivo statistico.

Il rapporto di NIST sui contenuti sintetici spiega che la progettazione di filigrane comporta obiettivi concorrenti: robustezza, sicurezza, bassa distorsione percepibile, capacità informativa sufficiente, efficienza e minima interferenza con i normali flussi di lavoro. Migliorare una proprietà può rendere più difficile ottenerne un’altra.

Qual è la differenza tra filigrane visibili e invisibili?

Le filigrane visibili sono marcature che una persona può vedere, come un logo, un’etichetta, un nome utente o una sovrapposizione traslucida. Comunicano direttamente, ma spesso possono essere ritagliate, coperte, clonate o rappresentate in modo ingannevole.

Le filigrane invisibili sono segnali incorporati nel contenuto in modo da essere impercettibili. Richiedono un rilevatore compatibile e possono essere progettate per resistere a ridimensionamento, filtri, compressione, ritaglio o altre trasformazioni previste.

Tipo di filigranaVantaggio principaleLimite principale
Logo o etichetta visibileSubito comprensibile per chi guardaPuò essere ritagliata, coperta o copiata
Segnale invisibile nell’immaginePuò sopravvivere ad alcune modifiche comuni senza cambiare l’aspettoRichiede il rilevatore corretto e può fallire dopo cambiamenti più forti
Filigrana nei fotogrammi videoPuò identificare segmenti o fotogrammi marcatiRicodifica e montaggio influiscono sulla copertura del rilevamento
Filigrana audioPuò restare inaudibile consentendo la verifica automaticaRumore, remix e formati non supportati possono influire sul rilevamento
Filigrana di testoPuò marcare l’output tramite motivi nella selezione dei tokenIl testo breve, fattuale, tradotto o molto riscritto è più difficile da valutare

Nessuna delle due categorie è universale per natura. Un rilevatore creato per una famiglia di filigrane non ne riconosce automaticamente un’altra.

Cosa può dimostrare una filigrana IA rilevata?

Una corrispondenza positiva può sostenere un’affermazione limitata di attribuzione: il contenuto esaminato contiene un segnale che un determinato verificatore riconosce come appartenente al proprio sistema di filigrane. La solidità di tale affermazione dipende dalla sicurezza, dal processo di validazione, dalla copertura e dai controlli sui falsi positivi del sistema.

Per esempio, Google DeepMind descrive SynthID come una filigrana invisibile incorporata in immagini, audio, testo e video compatibili generati da Google. Un risultato SynthID verificato può indicare che l’IA compatibile di Google ha creato o modificato il contenuto. Non è una dichiarazione generale su tutti i sistemi IA.

Alcune filigrane codificano solo la presenza. Altre possono aiutare a localizzare informazioni esterne sulla provenienza o a identificare un modello, un servizio o un file. Leggi il risultato esatto del verificatore prima di riformularlo.

Cosa non può dimostrare una filigrana IA?

Una filigrana non stabilisce in modo indipendente se il contenuto rappresentato sia vero. Un’immagine generata di un evento reale e un’illustrazione immaginaria possono entrambe avere una filigrana IA valida. La filigrana riguarda l’origine o il processo, non la verità di una didascalia.

Inoltre non dimostra chi abbia richiesto la generazione, chi abbia pubblicato il file, se l’uso fosse autorizzato o se ogni componente sia stato generato. Una composizione può contenere elementi con e senza filigrana.

Un segnale rilevato non deve essere esteso ad affermazioni che il verificatore non ha fatto. «Questo file contiene una filigrana associata al sistema X» è più preciso di «Questo dimostra che il post è disinformazione».

L’assenza di una filigrana significa che il contenuto è reale?

No. Una verifica negativa della filigrana si applica solo ai segnali e ai contenuti supportati dal verificatore. Il contenuto potrebbe essere stato creato da un modello senza filigrana, esportato prima dell’introduzione della marcatura, trasformato oltre la possibilità di rilevamento o generato da un altro fornitore.

Potrebbe anche essere contenuto autentico ripreso da una fotocamera. Il punto è che l’assenza non distingue queste possibilità.

La copertura può variare in base a prodotto, modello, data, tipo di file e percorso di esportazione. La guida di OpenAI sulla provenienza rende esplicito questo ambito per i contenuti supportati. Un’interpretazione responsabile dovrebbe nominare la filigrana verificata invece di riferire una «scansione delle filigrane IA» universale.

Le filigrane IA possono essere rimosse?

Alcune trasformazioni possono indebolire o distruggere una filigrana. Il risultato dipende dal progetto della filigrana, dal contenuto e dall’intensità della modifica. Ritaglio, ricompressione, ridimensionamento, rumore, filtri, trascrizione, traduzione, parafrasi, remix o registrazione del contenuto tramite un altro dispositivo possono alterare il segnale.

I sistemi robusti vengono testati contro le modifiche innocue previste, ma la robustezza non è invulnerabilità. Google afferma che SynthID per immagini e video è progettato per resistere a cambiamenti come ritagli, filtri, variazioni della frequenza dei fotogrammi e compressione con perdita, pur descrivendo le filigrane come un elemento e non una soluzione completa.

Un attaccante può anche tentare di falsificare una filigrana o affermare falsamente che un file senza marcatura sia autentico. La sicurezza comprende quindi la resistenza sia alla rimozione sia all’inserimento.

Come influiscono gli screenshot sulle filigrane IA?

Uno screenshot crea una nuova immagine dai pixel visualizzati. Comunemente perde i metadati e il manifesto incorporato del file originale, oltre a ridimensionare, convertire i colori o ricomprimere il contenuto visibile.

Una filigrana invisibile nei pixel può sopravvivere se il suo segnale rimane abbastanza forte nello screenshot, ma dipende dal sistema. Una marcatura visibile può restare, a meno che lo screenshot non la escluda o copra. Un servizio di impronte digitali o di collegamento debole potrebbe trovare una provenienza correlata anche quando il nuovo file non contiene più il registro originale.

Non generalizzare da un solo test. «Nessun segnale trovato in questo screenshot» non è uguale a «l’originale non aveva una filigrana».

In che modo le filigrane IA differiscono dalle Content Credentials C2PA?

Una filigrana IA è solitamente un segnale incorporato nel contenuto. Le Content Credentials C2PA sono registri di provenienza firmati che possono contenere informazioni più ricche su origine, modifiche, ingredienti e uso dell’IA.

C2PA può usare filigrane invisibili o impronte digitali come collegamenti deboli che aiutano a ritrovare un manifesto dopo una trasformazione. Le tecnologie possono quindi completarsi: la filigrana migliora la durata, mentre il manifesto fornisce contesto e dichiarazioni crittografiche.

Leggi Content Credentials C2PA: cosa sono e come funzionano per una spiegazione dettagliata di firme, collegamenti ai file e credenziali mancanti.

Come verificare un risultato di filigrana IA?

Inizia dal verificatore gestito o documentato dal fornitore della filigrana. Conferma che supporti il tipo di contenuto, il prodotto, il modello e il periodo approssimativo di creazione in questione.

  1. Conserva il miglior file originale disponibile e la sua URL di origine.
  2. Registra il verificatore, la data, la versione del file e il testo esatto del risultato.
  3. Distingui una corrispondenza positiva, un risultato negativo, un file non supportato e un risultato inconcludente.
  4. Controlla separatamente le Content Credentials o altra provenienza.
  5. Verifica in modo indipendente la fonte, la data, il luogo e l’affermazione fattuale del post.
  6. Evita di trasformare un risultato specifico di un fornitore in un verdetto universale sull’IA.

AIFakeScan non afferma di avere accesso a tutti i verificatori di filigrane invisibili dei fornitori. La nostra metodologia tratta «nessuna marcatura trovata» come cosa diversa dalla prova che il contenuto sia reale.

Scegli il verificatore in base al tipo di prova

Prova necessariaPercorso di verificaCosa significa l’assenza
SynthID dell’IA di GooglePercorso ufficiale SynthID tramite GeminiFiligrana dell’IA di Google non rilevata o risultato incerto; non esclude altri generatori
Content Credentials C2PAVerificatore C2PANessuna credenziale utilizzabile trovata in quel file esatto; non dimostra l’autenticità
Etichetta o logo visibileIspezione visiva e verifica della fonteNessuna etichetta visibile osservata; i sistemi invisibili non sono stati verificati
Segnale nei motivi dei pixelRilevatore di immagini IAIl modello non ha prodotto prove forti entro la copertura dichiarata; non è prova di una foto reale

AIFakeScan non offre un rilevatore universale di filigrane invisibili. La validazione C2PA, l’ispezione dei metadati e la revisione del testo visibile non possono essere ridefinite come copertura di ogni filigrana proprietaria. Il confronto degli strumenti 2026 elenca quali prove controlla effettivamente ogni percorso disponibile.

Domande frequenti

Tutte le immagini generate dall’IA hanno una filigrana?

No. Adozione e copertura delle filigrane differiscono per fornitore, modello, prodotto, tipo di file, data e percorso di esportazione. I flussi open source e di terze parti possono usare segnali diversi o nessuno.

Ci si può fidare di un’etichetta IA visibile?

Considerala una pista. Le etichette visibili possono essere copiate, rimosse o applicate in modo inesatto. Cerca una provenienza di supporto e verifica la fonte che ha applicato l’etichetta.

Un rilevatore può trovare ogni filigrana invisibile?

No. Le famiglie di filigrane usano metodi diversi di inserimento e rilevamento. Un rilevatore compatibile deve generalmente sapere quale segnale cerca.

Una filigrana è uguale ai metadati?

No. I metadati sono memorizzati come informazioni associate a un file e possono contenere registri dettagliati. Una filigrana invisibile è incorporata nelle caratteristiche del contenuto e può sopravvivere in alcuni casi in cui i metadati vengono rimossi.

Devo fidarmi del contenuto quando non viene rilevata una filigrana?

Una verifica negativa non stabilisce l’autenticità. Continua con la ricerca della fonte, l’ispezione della provenienza, la verifica del contesto e altre prove appropriate.

La conclusione pratica

Usa le filigrane IA come segnali di provenienza specifici del fornitore. Un risultato positivo può essere significativo; un risultato negativo lascia aperte più spiegazioni. Combina le verifiche delle filigrane con Content Credentials, verifica della fonte e interpretazione attenta dell’affermazione effettiva.

Domande e risposte

Tutte le immagini generate dall’IA hanno una filigrana?

No. La copertura differisce per fornitore, modello, prodotto, tipo di file, data e percorso di esportazione.

Ci si può fidare di un’etichetta IA visibile?

Considerala una pista. Le etichette visibili possono essere copiate, rimosse o applicate in modo inesatto, quindi controlla la provenienza a supporto.

Un rilevatore può trovare ogni filigrana invisibile?

No. I sistemi di filigrane usano segnali diversi e richiedono generalmente un rilevatore compatibile.

Una filigrana è uguale ai metadati?

No. I metadati sono informazioni associate, mentre una filigrana invisibile è incorporata nelle caratteristiche del contenuto.

Fonti

  1. Reducing Risks Posed by Synthetic Content — NIST
  2. SynthID — Google DeepMind
  3. Provenance signals in OpenAI-generated content — OpenAI