AIの電子透かしとは?SynthIDとC2PAの違いと限界

AIの電子透かしとは?SynthIDとC2PAの違いと限界

AIが作った文章や画像に、人には見えない目印を埋め込む技術を「電子透かし(ウォーターマーク)」と呼びます。

Google DeepMind の SynthID はその代表例で、Gemini の回答や画像生成の出力に透かしを入れています。

一方で、画像や動画の出どころと編集の履歴を記録する仕組みとして C2PA という標準があり、両者がよく並べて語られるのが現状です。

どちらも「AIが作ったかどうか」を確かめる手がかりになりますが、情報をどこに持たせるかが違い、得意な場面と弱点も分かれます。

透かしの仕組みと C2PA との違い、透かしだけでは判定しきれない理由が分かると、AI生成コンテンツの表示をめぐるニュースも読みやすくなります。

AIの電子透かしとは

電子透かしは、コンテンツそのものに人が気づかない形で信号を埋め込み、後から専用の検出器で読み取る技術です。

紙幣の透かしと違って、目で見て確かめるものではありません。

C2PA の仕様は、人が見て分かる「見える透かし」と、人にはほぼ知覚できない「見えない透かし」を別の用語として定義しています。

AIの文脈で電子透かしと言うときは、たいてい後者の見えない透かしを指します。

AIが書いた文章を見分ける方法について、Nature に載った SynthID-Text の論文は 3 つの系統を挙げました。

  • 生成した文章をすべて記録しておき、照合する方法
  • 文章の統計的な特徴から、分類器で事後に判定する方法(いわゆるAI検出ツール)
  • 生成するときに透かしを入れておき、後から検出する方法

1 つめは全ての対話を保存する必要があり、プライバシーの懸念があると論文は指摘しています。

2 つめは学習時と傾向の違う文章に弱く、英語を母語としない人の文章で誤検出が多くなる場合があるとも書かれています。

3 つめの透かしは、生成する側が仕組みを組み込まないと使えませんが、検出のときに元のモデルを動かさずに済むのが利点です。

参考: Scalable watermarking for identifying large language model outputs(Nature, 2024)

文章に透かしを入れる仕組み

LLM は文章を 1 トークンずつ、次に来る語の確率をもとに選びながら作っていきます。

SynthID の文章用の透かし(SynthID Text)は、この「確率から 1 つ選ぶ」段階に手を加えます。

論文の実験では、直前の 4 トークンと秘密の鍵から乱数の種を作り、その種で語彙の各トークンに 0 か 1 のスコアを割り振っていました。

続いて、モデルの確率分布から候補を複数引き、2 つずつ対戦させてスコアの高いほうを勝ち残らせます。

論文はこの勝ち抜き戦を Tournament sampling と名付けていて、最後に残った候補が実際に出力されるトークンになります。

候補はもともとモデルが出しやすい語の中から引くので、文章の自然さを大きく崩さずに、鍵を知る人だけが測れる偏りを残せるわけです。

検出するときは、文章と鍵からスコアを計算し直し、偏りの強さを閾値と比べます。

検出に元のLLMを動かす必要がないため、判定は軽い計算で済みます。

Google のドキュメントによると、SynthID Text は top-k・top-p で候補を絞った後にかかる処理で、モデルの追加学習は要りません。

top-pとtop-kとは?AIの言葉選びを絞る仕組み

品質への影響は、Gemini の本番環境で約 2,000 万件の回答を使って確かめられました。

透かしありと透かしなしの回答で、高評価の割合の差は 0.01%、低評価の割合の差は 0.02% で、どちらも統計的に有意な差ではなかったと論文は報告しています。

この結果を受けて、透かしは Gemini と Gemini Advanced の回答に導入されています。

SynthID Text はオープンソースとして公開され、Hugging Face Transformers の v4.46.0 以降で使えるようになりました。

次のコードは、Transformers の公式ドキュメントに載っている例を短くしたものです(私の手元では実行していません)。

from transformers import AutoModelForCausalLM, AutoTokenizer, SynthIDTextWatermarkingConfig

tokenizer = AutoTokenizer.from_pretrained("google/gemma-2-2b", padding_side="left")
model = AutoModelForCausalLM.from_pretrained("google/gemma-2-2b")

# 透かしの設定(keys は秘密にしておく値)
watermarking_config = SynthIDTextWatermarkingConfig(
    keys=[654, 400, 836, 123, 340, 443, 597, 160, 57],
    ngram_len=5,
)
inputs = tokenizer(["Once upon a time, "], return_tensors="pt", padding=True)
out = model.generate(**inputs, watermarking_config=watermarking_config, do_sample=True, max_new_tokens=10)
# 略

keys は透かしの鍵にあたる値で、設定を非公開で保管しないと他人に透かしを再現されうると Google のドキュメントは注意しています。

ngram_len は大きいほど検出しやすくなる代わりに書き換えに弱くなる値で、目安は 5 とされています。

参考: SynthID: Tools for watermarking and detecting LLM-generated Text(Google AI for Developers)

Google SynthID — Google DeepMind

参考: Utilities for generation(Hugging Face Transformers)

Utilities for generation · Hugging Face

画像・音声・動画の透かし

SynthID が透かしを入れる対象は、文章だけではありません。

画像・音声・動画の生成物も対象です。

公式ページによると、画像と動画の透かしは生成した瞬間に埋め込まれ、切り抜き・フィルター・フレームレートの変更・非可逆圧縮といった加工に耐えるよう設計されています。

音声では、音楽生成モデルの Lyria や NotebookLM のポッドキャスト生成の出力に、耳では聞き取れない透かしが入ります。

確かめる側の窓口もあり、Gemini・Google 検索・Chrome に画像や動画、音声を渡して尋ねると、SynthID の透かしがあるかを調べてくれます。

検証用のポータル SynthID Detector は 2025 年に公開され、記者や報道関係者との試行を経て、誰でも使えるよう広げると案内されました。

同じページは、Google だけでなく OpenAI・NVIDIA・Kakao など提携先のAIで作られた画像・動画・音声も確かめられるとしています(2026年10月27日時点)。

参考: Google SynthID(Google DeepMind)

C2PAの来歴情報との違い

C2PA(Coalition for Content Provenance and Authenticity)は、デジタルコンテンツの出どころと履歴を確かめられるようにするためのオープンな標準です。

記録される情報は Content Credentials と呼ばれ、作成や編集の操作などを「マニフェスト」としてコンテンツに添えます。

マニフェストには作成時のコンテンツのハッシュ値が入り、操作を行ったソフトやハードの秘密鍵で電子署名されます。

そのため、中身か記録のどちらかが少しでも書き換えられるとハッシュが合わなくなり、改ざんされたことが分かる仕組みです。

AIで作ったことは、操作の記録の digitalSourceType という欄に trainedAlgorithmicMedia(学習済みモデルで生成したメディア)といった値で示します。

ここで電子透かしとの違いが見えてきます。

透かしは信号をコンテンツの中身に混ぜ込む一方、C2PA は中身の外側に署名つきの記録を添える仕組みです。

C2PA の解説資料は、来歴のメタデータは取り除けてしまうことを認めています。

その対策として、見えない透かしやフィンガープリントを「ソフトバインディング」に使い、記録が外れたコンテンツからでもクラウドに保管したマニフェストを探し出せるようにしました。

これは Durable Content Credentials と呼ばれ、透かしと来歴情報を組み合わせて使う前提の設計になっています。

なお同じ資料は、来歴情報が示すのは記録が正しい形で改ざんされていないことで、内容が真実かどうかは判断しないとも明記しています。

参考: C2PA Explainer 2.3(C2PA)

3 つの方法を並べると、違いは次のとおりです。

方法情報の置き場所強み弱み
電子透かし(SynthID など)コンテンツの中身切り抜きや圧縮などの加工で消えにくい透かしを入れたモデルの出力しか見分けられない
来歴情報(C2PA)署名つきのマニフェスト作成や編集の履歴まで残せるメタデータごと取り除ける
AI検出ツール(分類器)置かない(事後に推定)生成側の協力がなくても使える誤検出があり、モデルの進化で精度が落ちうる

透かしの限界と使いどころ

透かしは万能ではなく、Google 自身がドキュメントで限界を挙げています。

  • 事実を答える回答では、正確さを落とさずに選べる語の幅が狭く、透かしが効きにくい
  • 文章を大きく書き直したり、別の言語に翻訳したりすると、検出の確信度が大きく下がる
  • 悪意を持って消そうとする相手を直接止めるための仕組みではない

検出の結果も白黒の二択にはならず、「透かしあり」「透かしなし」「判定できない」の 3 つの状態を返す確率的な判定です。

また、SynthID の検出器が探すのは SynthID の透かしだけです。

透かしが見つからないことは、人が作った証明にはなりません。

透かしを入れていない別のモデルで作られた可能性が残るからです。

こうした限界があるので、透かしは単独で使うより、C2PA の来歴情報や人による確認と重ねて使う道具と考えるのが自然でしょう。

規制の面でも、透かしは表示の義務と結びつき始めました。

EU AI法の第50条2項は、生成AIの提供者に、出力がAIで生成されたと検出できる機械可読なマーキングを施すよう求めています。

第50条は2026年8月2日から適用されていて、同日より前に市場に出たAIシステムに限り、このマーキングと検出の義務は2026年12月2日から適用されると欧州委員会のFAQは説明しています。

この義務を負うのはAIを提供する側で、AIで文章を書くだけの利用者の義務とは別物です。

参考: Transparency obligations under Article 50 of the AI Act(European Commission)

EU AI法 第50条の透明性義務を3つの問いで判定する

最後に

AIの電子透かしは、生成するときにコンテンツの中身へ見えない信号を混ぜ、鍵を持つ検出器で後から確かめる技術です。

C2PA は中身の外側に署名つきの来歴を添える仕組みで、両者は弱点を補い合う関係にあります。

透かしも来歴情報もAIが作ったことを示す材料で、見つからないことは人が作った証明にならないと覚えておくと、AI生成コンテンツの表示をめぐる話を読み違えにくくなります。

以上です。

コメントを残す

メールアドレスが公開されることはありません。 ※ が付いている欄は必須項目です

CAPTCHA