广电视听人工智能生成内容
标识与管理技术方案与实验结果
一、要解决的问题
现行治理框架要求人工智能生成内容附加中文显式标识。但显式标识可被裁剪、遮挡或直接去除； 而以 C2PA 为代表的元数据型凭证方案，把溯源信息放在文件容器里，一经转码、截屏或平台二次分发就必然被剥离。 两者分置，造成「可见的不可溯、可溯的不可见」。
广电视听行业多级台网分发、内容二次编辑频繁、终端形态多样、平台转码普遍，这个缺口尤其突出。
二、技术主张
让同一枚合规显式标识，同时成为隐式溯源载体。
观众看到的是符合治理要求的中文提示「人工智能生成合成内容」；而这枚标识的汉字字形上， 带有肉眼不可察觉的几何微扰动，承载着机构编号、分发渠道、标识日期等溯源信息。 即便内容经过多级转码、大幅降采样乃至录屏搬运，元数据凭证已被剥离， 仍可从画面上残留的这行字里还原出内容来源。
在分层体系中的位置
显式标识 → 元数据凭证（C2PA） → 字形隐式载荷（本方法） → 指纹比对。 本方法的职责是元数据被剥离后的鲁棒溯源兜底，与 C2PA 互补而非替代。
为什么用汉字
标识容量取决于载体可扰动的结构自由度。拉丁字母平均只有 2–3 个笔画单元， 而在一级字库 3753 字上实测，汉字平均有 9.9 个笔元、26.7 个特征点。 经可靠性筛选后，可用载荷达到 每字 6.9 bit 以上。 这一优势来自汉字结构本身，而非某个特定字体——同一方法在甲骨文矢量字形与行书字集上都得到同量级容量。 数据集详情见汉字笔元描述数据库。
三、方法
嵌入。以「笔元」——提笔为界的连续运笔单元——作为载荷单元， 通过绕笔元中点的微小旋转编码比特。强度以端点位移 δ 而非旋转角度量， 按各笔元力臂反算旋转角，避免「同角度旋转在短笔元上只产生亚像素位移」的检测盲区。
检测。半盲条件——检测端已知标准标识模板的几何形状。 对每个载荷位渲染 ±δ 两个假设掩膜，取其差分与画面做匹配滤波，由内积符号定判决； 检测前做 ±3 px 平移配准，并剔除邻笔画可能覆盖的像素。 视频场景下进一步对连续帧做软判决合并，等效信噪比按帧数平方根提升。
两个关键发现
其一，扰动强度存在非单调最优工作点。并非越强越好：强度过小，几何位移淹没在编码噪声里；
过大，笔元会甩进邻笔画的邻域，检测端的干扰掩膜失效，误码率不降反升。实测最优点在 δ=2.0 px（占字身框 1.25%）。
其二，载荷位需要隔离度判据。笔画密集的字形中，大量位置「看着够长、实际无有效信号」。
引入「剔除邻笔画干扰后差分掩膜的有效面积须高于阈值」这一判据后，
无攻击基线误码率从 3%–6% 降至 0。这是本方法可用的前提。
四、数据基础
本方法的数据基础是一级字库汉字笔元描述数据库， 收录 3753 个一级汉字，共 37198 个笔元、100291 个特征点。
每个字形以有序的笔元序列描述，笔元即一次连续运笔的最小单元、以实际提笔为边界。 相较于位图或轮廓曲线，这种描述保留了书写的结构层次，使扰动可以精确作用在单个笔元上， 而不影响字形的整体识读——这正是它能充当标识载荷单元的原因。
五、实验结果
载体为一级字库标准字形 3753 字（已完成字序核验与数据修复），取 200 字、每条件约 1400 bit 载荷； 宿主为 1280×720@25fps 运动背景视频；攻击链使用真实 ffmpeg 编解码往返，而非仿真模拟。
δ=2.0 px 时的单帧逐比特误码率
| 分发链路 | 误码率 | 分发链路 | 误码率 |
|---|---|---|---|
| 无攻击 | 0 | JPEG Q90 / Q70 | 0 |
| H.264 4000 kbps | 0 | JPEG Q50 / Q30 | 0.07% |
| H.264 2000 kbps | 0 | 高斯噪声 σ=3 / 8 | 0 |
| H.264 1000 kbps | 0 | 高斯模糊 σ=0.5 | 0.29% |
| H.264 600 kbps | 0.36% | 缩放至 75% / 50% | 0.51% / 0.94% |
| H.264 300 kbps | 1.30% | 缩放至 35% | 1.23% |
| H.265 2000 / 600 kbps | 0 | 录屏搬运链 | 0.94% |
系统级溯源结果
上表为单帧逐比特误码率。实际系统还有两层机制：多帧软判决合并 与载荷的 CRC 校验纠错。关于前者需作一处更正——早先我们假定多帧合并可获得约 √N 的等效信噪比增益，真实素材实验否定了这一假设：当逐帧攻击参数完全相同时， 各帧标识区的残差是所有帧共有的系统性偏置而非独立噪声，累加时同相增长， 信噪比不随帧数改善，实测 12 帧合并未能救回任何一个单帧失效的档位。 只有当逐帧参数发生抖动、残差近似独立时合并才起作用。因此时域冗余不是免费的鲁棒性来源， 检测端须主动引入解相关（跨不同缩放尺度、不同重采样点分别配准后再合并）。 原型系统以 30 bit 载荷（机构 10 + 渠道 4 + 日期 8 + CRC 8）实测：
| 分发链路 | 溯源结果 |
|---|---|
| 原始（未再压缩） | ✔ 机构、渠道、日期全部正确 |
| H.264 转码 2000 / 1000 / 600 / 300 kbps | ✔ 全部正确 |
| 720p → 360p → 回放 | ✔ 正确 |
| 720p → 252p → 回放 | ✔ 正确 |
7 条分发链路全部成功溯源。
真实节目素材上的完整实例
上述扫描在合成运动背景上进行，目的是让各攻击条件之间严格可比。 另在一段真实节目素材（1280×720，24.1 fps，361 帧，15.0 秒）上完成了一次完整闭环： 显式标识「本视频由人工智能生成」（em 框 112 px，容量 47 bit）承载 30 bit 溯源载荷 （机构 #37 / 渠道 #5 / 2026-07-30），经 H.264 2000 kbps 真实重编码输出后， 再模拟观众截屏并逐级加重。
| 截屏链路 | 检测端拿到的图 | 载荷误码率 | 溯源 |
|---|---|---|---|
| 原样截屏（PNG 无损） | 1280×720 | 0 | ✔ 正确 |
| 窗口 66.7% ＋ JPEG Q75（社交转发典型） | 852×480，41.6 KB | 0 | ✔ 正确 |
| 窗口 25% ＋ JPEG Q30（可溯源边界） | 320×180，8.5 KB | 0 | ✔ 正确 |
| 窗口 20% ＋ JPEG Q25 | 256×144 | 6.67% | ✘ 判为未检出 |
不可感知性：标识区 SSIM 0.9465、整帧 SSIM 0.9916，标识区内发生改动的像素占 4.90%。 单张截屏没有任何时域冗余可用，是本方法的下界工况；在社交转发的典型参数下仍可完整恢复， 可溯源边界为窗口 25%——此时截屏图仅 320×180、8.5 KB。 需要说明的是，越过该边界后显式标识本身仍清晰可读， 即「破坏隐式载荷必须破坏显式标识」在极端降采样下并不严格成立，这一点不回避。
同一素材上还完成了三项对照：虚警对照（已嵌入 / 仅显式标识 / 无标识三类输入各 24 个 独立样本，各自单独编码以避免假重复）、最小标识尺寸扫描（em 框 64～128 px）、 以及标识文案字数与笔画宽度对容量和鲁棒性的影响分析。
六、原型系统
原型包含溯源载荷编解码、视频嵌入、多帧软判决查验三个模块，采用零外部依赖实现。
纠错策略经实测校准：仅在候选解唯一时才接受单比特纠正。 实测表明，若放宽到双比特枚举纠错，约七成情况会输出「看似合法却错误」的溯源结果—— 对溯源系统而言，报错误答案的危害远大于报「验不出」，故宁可判定失败。
真实素材上的虚警对照又暴露出一个必须修补的缺口：仅靠 CRC 校验仍会虚警。 CRC-8 只有 8 位校验位，随机比特串恰好通过的概率约 1/256，叠加单比特纠错后升至约 31/256；实测 48 个「无隐式载荷」样本中有 4 个（8.3%）被「成功溯源」到凭空捏造的机构编号。 修法是在 CRC 之前增设置信门限：先看软判决余量，低于门限直接判「未检出」。 实测已嵌入样本余量 0.00998～0.01235，无载荷样本 0.00038～0.00113，相差近一个数量级， 门限取 0.0030 两侧均有余量；加门限后虚警归零，且 7 条分发链路复测无回归。 浏览器演示已同步实现该门限（其几何为 em 框 120 px， 余量尺度不同，按同一方法重新标定为 0.0060）——余量随字号变化， 引用门限值必须连同标定条件一并给出。演示页加载时会自动自检： 既验证逐比特还原，也验证「无隐式载荷的画面确实被门限挡住」。
本页配套的可交互原型在浏览器端完整复现了上述算法， 可自行填写溯源信息、施加各类攻击并当场查验。
七、当前工作的边界
- 宿主素材已部分升级为真实节目素材：完整闭环实例（嵌入 → H.264 真实往返 → 截屏攻击 → 检测）及其派生的虚警对照、最小标识尺寸、文案字数与笔宽影响分析， 均在真实素材上完成（见第五节）。但多码率、多编码器的大规模扫描仍在合成运动纹理上进行， 以保证各条件之间严格可比；有线电视与 IPTV 的真实多级转码链路、 以及使用物理设备的录屏与翻拍，仍属应用试验阶段工作。
- 检测为半盲——已知标准标识模板几何。对固定文案的显式标识而言，这正是真实场景。
- 音频标识、防篡改判定与 C2PA 双向映射目前处于方案设计阶段，尚未完成实现。
- 当前标识字形按笔元骨架以等宽单线渲染，尚未实现符合行业排版规范的风格化外观。 笔元描述已实现结构与风格解耦，同一套骨架可渲染为不同笔形风格，该部分属后续研究内容。